使用JobControl管理mapreduce多job依赖

当MapReduce中作业不止一个，如果管理这些作业按照顺序执行，主要考虑是否有个线性的作业链或有向无环图（DAG）

对于线性链表最简单的就是一个接一个的运行作业，对于比线性链表更复杂的结构，有相关的类库可以帮助你合理安排工作流，最简单的就是org.apache.hadoop.mapred.jobcontrol包中的JobControl类，JobControl实例代表一个作业的运行图，可以加入作业配置，然后告诉JobControl实例作业之间的依赖关系

示例如下：

Java代码  

1. /** 
2.      * job2 依赖于 job1 
3.      * @param job1 
4.      * @param job2 
5.      * @param chainName 
6.      * @return 
7.      * @throws IOException 
8.      */  
9.     public static int handleJobChain(Job job1 ,Job job2, String chainName) throws IOException{  
10.         ControlledJob controlledJob1 = new ControlledJob(job1.getConfiguration());  
11.         controlledJob1.setJob(job1);  
12.           
13.         ControlledJob controlledJob2 = new ControlledJob(job2.getConfiguration());  
14.         controlledJob2.setJob(job2);  
15.         controlledJob2.addDependingJob(controlledJob1);  
16.           
17.         JobControl jc = new JobControl(chainName);  
18.         jc.addJob(controlledJob1);  
19.         jc.addJob(controlledJob2);  
20.         Thread jcThread = new Thread(jc);  
21.         jcThread.start();  
22.         while(true){  
23.             if(jc.allFinished()){  
24.                 System.out.println(jc.getSuccessfulJobList());  
25.                 jc.stop();  
26.                 return 0;  
27.             }  
28.             if(jc.getFailedJobList().size() > 0){  
29.                 System.out.println(jc.getFailedJobList());  
30.                 jc.stop();  
31.                 return 1;  
32.             }  
33.         }  
34.     }  

 

要注意的地方就是 hadoop的JobControl类实现了线程Runnable接口 。我们 需要实例化一个线程来让它启动 。 直接调用JobControl的run()方法，线程将无法结束 。