通过MapReduce使用HBase解决第三方jar包依赖的方式
- 用户在使用HBase作为数据源、目标库,或者同时作为两者使用来处理数据时,需要先准备好可用的Hadoop
- 当运行 MR作业所需库中的类不是绑定在Hadoop或MapReduce框架中时,用户必须确保这些库在作业执行之前已经可用
为MR作业解决jar包依赖的方式从广义上看,可以分为静态配置和动态配置两种
静态配置
对于经常使用的库来说,最好将这些jar包安装在MapReduce的jobtracker服务的本地,可以通过下述步骤完成:
- 把jar包复制到所有节点的常用路径中
- 在Hadoop的/etc/hadoop/hadoop-env.sh的配置文件中,将这些jar包的完整路径写入变量HADOOP_CLASSPATH
# Extra Java CLASSPATH elements. Automatically insert capacity-scheduler.
export HADOOP_CLASSPATH=<extra_entries>:$HADOOP_CLASSPATH
- 重启所有jobtracker,使配置项修改生效
这个技术是纯静态的,每次增加新库都需要重启jobtracker
动态配置
在某些情况下,用户希望不同的MR作业能使用不同的库,或者在作业运行时能够更新库,可以通过下述两种方式实现MR作业第三方jar包的动态配置:
“胖”jar包
- Hadoop可以读取操作目录中/lib下的包含的所有库的jar包,用户可以利用此功能生成所谓的”胖”jar包,即把所需要的库复制到执行MR作业的jar包中
- 使用Maven编译了话,可以通过插件
maven-assembly-plugin
实现这种编译,同时,利用Maven的scope属性,减少不必要的jar包复制
libjars功能
- 当用户使用GenericOptionsParser创建一个MR作业时,可以得到libjar参数提供的支持
- 通过Hadoop的命令行方式提交作业时,加入
-libjars
参数可以添加需要的第三方jar包 HBase的辅助类TableMapReduceUtil提供了可以帮助用户在作业中通过代码动态添加依赖的jar包和配置文件的方法:
static void addDependencyJars(Job job) throws IOException; static void addDependencyJars(Configuration conf, Class ... classes) throws IOException;
这个方法并不需要用户指定实际的jar包,而是直接使用Java的类加载器进行加载,有可能会找到相同的jar包
重要的是可以在Java的CLASSPATH中访问该类,否则调用会失败,返回一个ClassNotFoundException
错误
参考资料: HBase权威指南