Hadoop实现AbstractJob简化Job设置

在 hadoop 中编写一个job一般都是采用下面的方式：

Job job=new Job();
job.setXxx();
...

这样感觉代码很多，而且参数还不好控制。比如，我想对输入的参数进行控制，还要自己写一些控制解析之类的代码，如下：

if(args.length!=2){
    System.err.out("Usage<input> <output>")
}

而且上面只是大概的判断下，没有很精确的判断。有没有比较好的方法可以不用设置，而且减少代码量呢？

其实可以实现Mahout中的AbstractJob类即可，如下：

package mahout.fansy.bayes.transform;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.common.AbstractJob;
import org.apache.mahout.math.VectorWritable;

public class TFText2VectorWritable extends AbstractJob {

	@Override
	public int run(String[] args) throws Exception {
		addInputOption();
	    addOutputOption();
	    addOption("splitCharacter","sc", "vector split character,default is ','", ",");
	    if (parseArguments(args) == null) {
		      return -1;
		    }

	    Path input = getInputPath();
	    Path output = getOutputPath();
	    String sc=getOption("splitCharacter");
	    Job job=prepareJob(input,output,FileInputFormat.class,Mapper.class,LongWritable.class,Text.class,
	    		null, Text.class,VectorWritable.class,SequenceFileOutputFormat.class);
	    job.getConfiguration().set("sc", sc);
	    if(job.waitForCompletion(true)){
	    	return 0;
	    }
		return -1;
	}

	/**
	 *实现AbstractJob
	 * @param args
	 * @throws Exception 
	 */
	public static void main(String[] args) throws Exception {
		String[] arg=new String[]{"-i","safdf","-sc","scccccccc","-o","sdf"};
		ToolRunner.run(new Configuration(), new TFText2VectorWritable(),arg);
	}

}

如果你要添加自己的参数，可以直接在run方法中添加即可，比如上面笔者添加的splitCharacter参数，如果不输入参数，打印的信息如下：

红色方框里面的内容，即是设置的参数；

同时调用prepareJob方法可以简化Job的参数设置。比如设置Mapper、MapperOutPutKey等等都要一行代码，现在全部只需一行即可；如果要设置参数以供Mapper和Reducer中使用，可以使用job.getConfiguration().set("sc", sc)来进行设置。

转自：http://blog.csdn.net/fansy1990