16.用Hadoop命令向CDH集群提交MR作业

16.1 实验环境介绍

• 内容概述
  • 环境准备
  • Kerberos环境和非Kerberos集群
• 测试环境
  • Kerberos集群CDH5.11.2，OS为Redhat7.2
  • 非Kerberos集群CDH5.13，OS为CentOS6.5
• 前置条件
  • CDH集群运行正常
  • 本地开发环境与集群网络互通且端口放通

16.2 示例

这里使用的代码是没有加载CDH集群的xml配置的，因为使用hadoop命令提交时会加载集群的配置信息（如hdfs-site.xml/yarn-site.xlm/core-sitem.xml等）。

package com.cloudera.mr;

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

/**
 * package: com.cloudera.mr
 * describe: 打包jar到集群使用hadoop命令提交作业示例
 * creat_user: Fayson
 * email: htechinfo@163.com
 * creat_date: 2017/12/6
 * creat_time: 下午11:30
 * 公众号：Hadoop实操
 */
public class WordCount {

    private static Logger logger = LoggerFactory.getLogger(WordCount.class);

    public static void main(String[] args) {

        logger.info(args[0] + "-----" + args[1]);
        try {
            Configuration conf = new Configuration();
            Job wcjob = Job.getInstance(conf);
            wcjob.setJobName("MyWordCount");
            wcjob.setJarByClass(WordCount.class);

            wcjob.setJarByClass(InitMapReduceJob.class);

            wcjob.setMapperClass(WordCountMapper.class);
            wcjob.setReducerClass(WordCountReducer.class);
            wcjob.setMapOutputKeyClass(Text.class);
            wcjob.setMapOutputValueClass(LongWritable.class);
            wcjob.setOutputKeyClass(Text.class);
            wcjob.setOutputValueClass(LongWritable.class);
            FileInputFormat.setInputPaths(wcjob, args[0]);

            FileOutputFormat.setOutputPath(wcjob, new Path(args[1]));
            //调用job对象的waitForCompletion()方法，提交作业。
            boolean res = wcjob.waitForCompletion(true);
            System.exit(res ? 0 : 1);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

16.3 编译打包MapReduce作业

• 使用Maven命令进行编译打包，该命令运行需要在工程所在目录下运行

cd /Volumes/Transcend/work/cdhproject
mvn clean package

• 编译成功后，在工程的target目录下可以看到mr-demo-1.0-SNAPSHOT.jar包
  
• 将mr-demo-1.0-SNAPSHOT.jar包上传到CDH集群的任意节点
  • 注意：这里是将jar包上传至CDH集群的任意节点且hadoop命令可以正常运行。

16.4 非Kerberos集群提交作业

• 在命令行执行如下命令提交MR作业

hadoop jar mr-demo-1.0-SNAPSHOT.jar com.cloudera.mr.WordCount /fayson/test_table /wordcount/

• Yarn界面查看，作业收费执行成功
• 查看HDFS输出目录

16.5 Kerberos集群提交作业

• 在Kerberos集群init Kerberos账号

[ec2-user@ip-172-31-22-86 ~]$ kdestroy
[ec2-user@ip-172-31-22-86 ~]$ kinit -kt fayson.keytab fayson
[ec2-user@ip-172-31-22-86 ~]$ klist
Ticket cache: FILE:/tmp/krb5cc_1000
Default principal: fayson@CLOUDERA.COM

Valid starting       Expires              Service principal
12/06/2017 11:02:53  12/07/2017 11:02:53  krbtgt/CLOUDERA.COM@CLOUDERA.COM
        renew until 12/13/2017 11:02:53
[ec2-user@ip-172-31-22-86 ~]$

• 在命令行使用hadoop提交作业

[ec2-user@ip-172-31-22-86 ~]$ hadoop jar mr-demo-1.0-SNAPSHOT.jar com.cloudera.mr.WordCount /fayson /wordcount/out

• Yarn界面查看作业是否执行成功
• 查看HDFS目录输出的结果

16.6 总结

• 在本地环境开发MapReduce作业的时候，需要加载集群的xml配置，将打包好的MR jar包提交到集群使用hadoop命令运行时，代码里面的Configuration在初始化的时候不需要加载xml的配置即可。

大数据视频推荐：
CSDN
大数据语音推荐：
企业级大数据技术应用
大数据机器学习案例之推荐系统
自然语言处理
大数据基础
人工智能：深度学习入门到精通