ToolRunner与eclipse hadoop 插件的替代品，简化M/R程序的开发

目前开发的时候测试M/R程序有三种方式

1.  直接打成jar包，然后放到服务器中去执行。此方法步骤繁琐，每次都要打包上传。

2.  使用Hadoop的Ecilpse插件，但是对于N多的Hadoop版本总替换插件，是不是也是一种痛苦呢？

3.  使用Hadoop的测试框架，这种情况我使用的比较少，感觉不太方便，每都相当于在本地启动各个服务（我电脑配置不好，压力啊！！汗一个）

其实Hadoop自带的ToolRunner只差一步就可以实现在Eclipse中运行了，而我们所要做的就是扩展一下而已。

Ok废话不多说了，原理如下：

JobClient类在提交job的时候需要一个jar包，这个很简单，我们使用Ecipse编译出的class文件创建一个Jar包即可。如果你使用的是hadoop自带的那些jar，ok那没有问题，但是如果你引用了第三方的类库，那么问题随之而来，有两种解决办法

1.  将你所需要第三方jar包加入到TaskTracker的ClassPath中，这样每新加入一个jar包就需要重启所有的TaskTracker。

2.  将第三方类库加入到M/R的ClassPath中，这就需要使用Hadoop的缓存机制，在M/R执行前将这些jar包都放入到Hadoop中，每个M/R就可以使用这些jar包中的类了。

很明显第二种方法是最适合的，而且Hadoop已经实现了这一功能。

JobClient在提交Job时会检查 tmpjars这个参数，如果里面指定的文件存在就是将这些文件加入hadoop的DistributedCache中，代码如下：

  private void copyAndConfigureFiles(JobConf job, Path submitJobDir, 
      short replication) throws IOException, InterruptedException {
...
String libjars = job.get("tmpjars");
...
if (libjars != null) {
      FileSystem.mkdirs(fs, libjarsDir, mapredSysPerms);
      String[] libjarsArr = libjars.split(",");
      for (String tmpjars: libjarsArr) {
        Path tmp = new Path(tmpjars);
        Path newPath = copyRemoteFiles(fs, libjarsDir, tmp, job, replication);
        DistributedCache.addArchiveToClassPath
          (new Path(newPath.toUri().getPath()), job, fs);
      }
    }
...
}

仅仅将jar包加入到M/R的ClassPath中是不行，我们还需要再做一件事，就是将本地的第三方的Jar包加入到我们本地的ClassPath（我们是在本地执行不是）。但是这些工作都不需要我们来完成， GenericOptionsParser已经帮我们完成了前期的准备工作。代码如下

private void processGeneralOptions(Configuration conf,
      CommandLine line) throws IOException {
...
URL[] libjars = getLibJars(conf);
      if(libjars!=null && libjars.length>0) {
        conf.setClassLoader(new URLClassLoader(libjars, conf.getClassLoader()));
        Thread.currentThread().setContextClassLoader(
            new URLClassLoader(libjars, 
                Thread.currentThread().getContextClassLoader()));
      }
...
}

激动人心的来了，使用方法：

我将这些功能都封装在MagicRunner中,可以直接替换ToolRunner,代码如下。 

MagicRunner.run(new WordCount(), args,"bin","../common/commons-configuration-1.6.jar");
//MagicRunner.run(new WordCount(), args,"bin","lib");
//MagicRunner.run(new WordCount(), args,"bin",""); 
//第三个参数为Eclipse编译的class文件的位置，第四个为第三方类库可以是文件也可以是目录，如果不使用传空字符串即可，第三个参数可是必不可少的哦！！！！

这样无论你是在Eclipse中debug、run都可以运行了，当然你只能调试本地的那一步分，M/R的执行还是提交的服务器中，无法进行调试。

如果是以hadoop jar 方式 执行的话 代码中设置的第三方jar是不会处理的，需要手动指定，且新增加支持目录的设定。方法如下

 -libjarslibs,../common/ commons-configuration-1.6.jar

以jar方式执行命令如下所示：

bin/hadoop jar wordCount.jar mr.example.WordCount -libjars libs,./commons-configuration-1.6.jar  -Dmapred.reduce.tasks=2   /test/20120907 /tmp/123

注意事项：

由于MagicRunner中只处理了libjars参数所以有一点需要注意，在使用libjars参数的时候务必使它位于开始。其它功能与ToolRunner并无差异。如

-libjars libs,../common/ commons-configuration-1.6.jar  -Dmapred.reduce.tasks=2

当然必须的文件还是要加入项目中的如：hdfs-site.xml   core-site.xml   mapred-site.xml 等，最简单的是直接放到src中

Hadoop的权限问题是没有办法避免的，所以必须要禁用或都在本地建一个同名帐户

本文地址： http://blog.csdn.net/magicdreaming/article/details/7966074 版权所有，转载请保留原文链接。

代码下载地址：http://download.csdn.net/detail/magicdreaming/4569367