编写简单的Mapreduce程序并部署在Hadoop2.2.0上运行

        经过几天的折腾，终于配置好了Hadoop2.2.0(如何配置在Linux平台部署Hadoop请参见本博客《在Fedora上部署Hadoop2.2.0伪分布式平台》)，今天主要来说说怎么在Hadoop2.2.0伪分布式上面运行我们写好的Mapreduce程序。先给出这个程序所依赖的Maven包：

01 02 03 04 05 06 07 08 09 10 11 12 13 14 15 16 17 18 19 20 21 22

<dependencies>      <dependency>          <groupId>org.apache.hadoop</groupId>          <artifactId>hadoop-mapreduce-client-core</artifactId>          <version> 2.1 . 1 -beta</version>      </dependency>      <dependency>          <groupId>org.apache.hadoop</groupId>          <artifactId>hadoop-common</artifactId>          <version> 2.1 . 1 -beta</version>      </dependency>      <dependency>          <groupId>org.apache.hadoop</groupId>          <artifactId>hadoop-mapreduce-client-common</artifactId>          <version> 2.1 . 1 -beta</version>      </dependency>      <dependency>          <groupId>org.apache.hadoop</groupId>          <artifactId>hadoop-mapreduce-client-jobclient</artifactId>          <version> 2.1 . 1 -beta</version>      </dependency> </dependencies>

好了，现在给出程序，代码如下：

001 002 003 004 005 006 007 008 009 010 011 012 013 014 015 016 017 018 019 020 021 022 023 024 025 026 027 028 029 030 031 032 033 034 035 036 037 038 039 040 041 042 043 044 045 046 047 048 049 050 051 052 053 054 055 056 057 058 059 060 061 062 063 064 065 066 067 068 069 070 071 072 073 074 075 076 077 078 079 080 081 082 083 084 085 086 087 088 089 090 091 092 093 094 095 096 097 098 099 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115

package com.wyp.hadoop;   import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.*;   import java.io.IOException;   /**   * User: wyp   * Date: 13-10-25   * Time: 下午3:26   * Email:wyphao.2007@163.com   */ public class MaxTemperatureMapper extends MapReduceBase                        implements Mapper<LongWritable, Text,                        Text,IntWritable>{      private static final int MISSING = 9999 ;        @Override      public void map(LongWritable key, Text value,                        OutputCollector<Text, IntWritable> output,                        Reporter reporter) throws IOException {            String line = value.toString();          String year = line.substring( 15 , 19 );          int airTemperature;          if (line.charAt( 87 ) == '+' ){              airTemperature = Integer.parseInt(line.substring( 88 , 92 ));          } else {              airTemperature = Integer.parseInt(line.substring( 87 , 92 ));          }            String quality = line.substring( 92 , 93 );          if (airTemperature != MISSING && quality.matches( "[01459]" )){              output.collect( new Text(year), new IntWritable(airTemperature));          }      } }   package com.wyp.hadoop;   import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.MapReduceBase; import org.apache.hadoop.mapred.OutputCollector; import org.apache.hadoop.mapred.Reducer; import org.apache.hadoop.mapred.Reporter;   import java.io.IOException; import java.util.Iterator;   /**   * User: wyp   * Date: 13-10-25   * Time: 下午3:36   * Email:wyphao.2007@163.com   */ public class MaxTemperatureReducer extends MapReduceBase                      implements Reducer<Text, IntWritable,                      Text, IntWritable> {      @Override      public void reduce(Text key, Iterator<IntWritable> values,                      OutputCollector<Text, IntWritable> output,                      Reporter reporter) throws IOException {          int maxValue = Integer.MIN_VALUE;          while (values.hasNext()){              maxValue = Math.max(maxValue, values.next().get());          }            output.collect(key, new IntWritable(maxValue));      } }   package com.wyp.hadoop;   import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapred.FileInputFormat; import org.apache.hadoop.mapred.FileOutputFormat; import org.apache.hadoop.mapred.JobClient; import org.apache.hadoop.mapred.JobConf;   import java.io.IOException;   /**   * User: wyp   * Date: 13-10-25   * Time: 下午3:40   * Email:wyphao.2007@163.com   */ public class MaxTemperature {        public static void main(String[] args) throws IOException {          if (args.length != 2 ){              System.err.println( "Error!" );              System.exit( 1 );          }            JobConf conf = new JobConf(MaxTemperature. class );          conf.setJobName( "Max Temperature" );            FileInputFormat.addInputPath(conf, new Path(args[ 0 ]));          FileOutputFormat.setOutputPath(conf, new Path(args[ 1 ]));          conf.setMapperClass(MaxTemperatureMapper. class );          conf.setReducerClass(MaxTemperatureReducer. class );          conf.setOutputKeyClass(Text. class );          conf.setOutputValueClass(IntWritable. class );            JobClient.runJob(conf);        } }

　　将上面的程序编译和打包成jar文件，然后开始在Hadoop2.2.0（本文假定用户都部署好了Hadoop2.2.0）上面部署了。下面主要讲讲如何去部署：
　　首先，启动Hadoop2.2.0，命令如下：

1 2	[wyp @wyp hadoop]$ sbin/start-dfs.sh [wyp @wyp hadoop]$ sbin/start-yarn.sh

　　如果你想看看Hadoop2.2.0是否运行成功，运行下面的命令去查看

1 2 3 4 5 6 7 8 9

[wyp @wyp hadoop]$ jps 9582 Main 9684 RemoteMavenServer 16082 Jps 7011 DataNode 7412 ResourceManager 7528 NodeManager 7222 SecondaryNameNode 6832 NameNode

　　其中jps是jdk自带的一个命令，在jdk/bin目录下。如果你电脑上面出现了以上的几个进程（NameNode、SecondaryNameNode、NodeManager、ResourceManager、DataNode这五个进程必须出现！）说明你的Hadoop服务器启动成功了！现在来运行上面打包好的jar文件（这里为Hadoop.jar，其中/home/wyp/IdeaProjects/Hadoop/out/artifacts/Hadoop_jar/Hadoop.jar是它的绝对路径，不知道绝对路径是什么？那你好好去学学吧！），运行下面的命令：

1 2 3 4 5

[wyp @wyp Hadoop_jar]$ /home/wyp/Downloads/hadoop/bin/hadoop jar \             /home/wyp/IdeaProjects/Hadoop/out/artifacts/Hadoop_jar/Hadoop.jar  \             com/wyp/hadoop/MaxTemperature \             /user/wyp/data.txt \             /user/wyp/result

　　（上面是一条命令，由于太长了，所以我分行写，在实际情况中，请写一行！）其中，/home/wyp/Downloads/hadoop/bin/hadoop是hadoop的绝对路径，如果你在环境变量中配置好hadoop命令的路径就不需要这样写；com/wyp/hadoop/MaxTemperature是上面程序的main函数的入口；/user/wyp/data.txt是Hadoop文件系统（HDFS）中的绝对路径（注意：这里不是你Linux系统中的绝对路径！），为需要分析文件的路径（也就是input）；/user/wyp/result是分析结果输出的绝对路径（注意：这里不是你Linux系统中的绝对路径！而是HDFS上面的路径！而且/user/wyp/result一定不能存在，否则会抛出异常！这是Hadoop的保护机制，你总不想你以前运行好几天的程序突然被你不小心给覆盖掉了吧？所以，如果/user/wyp/result存在，程序会抛出异常，很不错啊）。好了。输入上面的命令，应该会得到下面类似的输出：

[java]  view plain  copy

 print ?

1. 13/10/28 15:20:44 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032  
2. 13/10/28 15:20:44 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032  
3. 13/10/28 15:20:45 WARN mapreduce.JobSubmitter: Hadoop command-line option parsing not performed. Implement the Tool interface and execute your application with ToolRunner to remedy this.  
4. 13/10/28 15:20:45 WARN mapreduce.JobSubmitter: No job jar file set.  User classes may not be found. See Job or Job#setJar(String).  
5. 13/10/28 15:20:45 INFO mapred.FileInputFormat: Total input paths to process : 1  
6. 13/10/28 15:20:46 INFO mapreduce.JobSubmitter: number of splits:2  
7. 13/10/28 15:20:46 INFO Configuration.deprecation: user.name is deprecated. Instead, use mapreduce.job.user.name  
8. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.output.value.class is deprecated. Instead, use mapreduce.job.output.value.class  
9. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name  
10. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.input.dir is deprecated. Instead, use mapreduce.input.fileinputformat.inputdir  
11. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.output.dir is deprecated. Instead, use mapreduce.output.fileoutputformat.outputdir  
12. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.map.tasks is deprecated. Instead, use mapreduce.job.maps  
13. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.output.key.class is deprecated. Instead, use mapreduce.job.output.key.class  
14. 13/10/28 15:20:46 INFO Configuration.deprecation: mapred.working.dir is deprecated. Instead, use mapreduce.job.working.dir  
15. 13/10/28 15:20:46 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1382942307976_0008  
16. 13/10/28 15:20:47 INFO mapred.YARNRunner: Job jar is not present. Not adding any jar to the list of resources.  
17. 13/10/28 15:20:49 INFO impl.YarnClientImpl: Submitted application application_1382942307976_0008 to ResourceManager at /0.0.0.0:8032  
18. 13/10/28 15:20:49 INFO mapreduce.Job: The url to track the job: http://wyp:8088/proxy/application_1382942307976_0008/  
19. 13/10/28 15:20:49 INFO mapreduce.Job: Running job: job_1382942307976_0008  
20. 13/10/28 15:20:59 INFO mapreduce.Job: Job job_1382942307976_0008 running in uber mode : false  
21. 13/10/28 15:20:59 INFO mapreduce.Job:  map 0% reduce 0%  
22. 13/10/28 15:21:35 INFO mapreduce.Job:  map 100% reduce 0%  
23. 13/10/28 15:21:38 INFO mapreduce.Job:  map 0% reduce 0%  
24. 13/10/28 15:21:38 INFO mapreduce.Job: Task Id : attempt_1382942307976_0008_m_000000_0, Status : FAILED  
25. Error: java.lang.RuntimeException: Error in configuring object  
26.     at org.apache.hadoop.util.ReflectionUtils.setJobConf(ReflectionUtils.java:109)  
27.     at org.apache.hadoop.util.ReflectionUtils.setConf(ReflectionUtils.java:75)  
28.     at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:133)  
29.     at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:425)  
30.     at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)  
31.     at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:162)  
32.     at java.security.AccessController.doPrivileged(Native Method)  
33.     at javax.security.auth.Subject.doAs(Subject.java:415)  
34.     at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1491)  
35.     at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:157)  
36. Caused by: java.lang.reflect.InvocationTargetException  
37.     at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)  
38.     at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)  
39.     at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)  
40.     at java.lang.reflect.Method.invoke(Method.java:606)  
41.     at org.apache.hadoop.util.ReflectionUtils.setJobConf(ReflectionUtils.java:106)  
42.     ... 9 more  
43. Caused by: java.lang.RuntimeException: java.lang.RuntimeException: java.lang.ClassNotFoundException: Class com.wyp.hadoop.MaxTemperatureMapper1 not found  
44.     at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:1752)  
45.     at org.apache.hadoop.mapred.JobConf.getMapperClass(JobConf.java:1058)  
46.     at org.apache.hadoop.mapred.MapRunner.configure(MapRunner.java:38)  
47.     ... 14 more  
48. Caused by: java.lang.RuntimeException: java.lang.ClassNotFoundException: Class com.wyp.hadoop.MaxTemperatureMapper1 not found  
49.     at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:1720)  
50.     at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:1744)  
51.     ... 16 more  
52. Caused by: java.lang.ClassNotFoundException: Class com.wyp.hadoop.MaxTemperatureMapper1 not found  
53.     at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:1626)  
54.     at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:1718)  
55.     ... 17 more  
56.    
57. Container killed by the ApplicationMaster.  
58. Container killed on request. Exit code is 143  

程序居然抛出异常（ClassNotFoundException）！这是什么回事？其实我也不太明白！！

　　在网上Google了一下，找到别人的观点：
　　经个人总结，这通常是由于以下几种原因造成的：
（1）你编写了一个java lib，封装成了jar，然后再写了一个Hadoop程序，调用这个jar完成mapper和reducer的编写
（2）你编写了一个Hadoop程序，期间调用了一个第三方java lib。
之后，你将自己的jar包或者第三方java包分发到各个TaskTracker的HADOOP_HOME目录下，运行你的JAVA程序，报了以上错误。

　　那怎么解决呢？一个笨重的方法是，在运行Hadoop作业的时候，先运行下面的命令：

1 2	[wyp @wyp Hadoop_jar]$ export \      HADOOP_CLASSPATH=/home/wyp/IdeaProjects/Hadoop/out/artifacts/Hadoop_jar/

　　其中，/home/wyp/IdeaProjects/Hadoop/out/artifacts/Hadoop_jar/是上面Hadoop.jar文件所在的目录。好了，现在再运行一下Hadoop作业命令：

[java]  view plain  copy

 print ?

1. [wyp@wyp Hadoop_jar]$ hadoop jar /home/wyp/IdeaProjects/Hadoop/out/artifacts/Hadoop_jar/Hadoop.jar  com/wyp/hadoop/MaxTemperature /user/wyp/data.txt /user/wyp/result  
2. 13/10/28 15:34:16 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032  
3. 13/10/28 15:34:16 INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:8032  
4. 13/10/28 15:34:17 WARN mapreduce.JobSubmitter: Hadoop command-line option parsing not performed. Implement the Tool interface and execute your application with ToolRunner to remedy this.  
5. 13/10/28 15:34:17 INFO mapred.FileInputFormat: Total input paths to process : 1  
6. 13/10/28 15:34:17 INFO mapreduce.JobSubmitter: number of splits:2  
7. 13/10/28 15:34:17 INFO Configuration.deprecation: user.name is deprecated. Instead, use mapreduce.job.user.name  
8. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.jar is deprecated. Instead, use mapreduce.job.jar  
9. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.output.value.class is deprecated. Instead, use mapreduce.job.output.value.class  
10. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name  
11. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.input.dir is deprecated. Instead, use mapreduce.input.fileinputformat.inputdir  
12. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.output.dir is deprecated. Instead, use mapreduce.output.fileoutputformat.outputdir  
13. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.map.tasks is deprecated. Instead, use mapreduce.job.maps  
14. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.output.key.class is deprecated. Instead, use mapreduce.job.output.key.class  
15. 13/10/28 15:34:17 INFO Configuration.deprecation: mapred.working.dir is deprecated. Instead, use mapreduce.job.working.dir  
16. 13/10/28 15:34:18 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1382942307976_0009  
17. 13/10/28 15:34:18 INFO impl.YarnClientImpl: Submitted application application_1382942307976_0009 to ResourceManager at /0.0.0.0:8032  
18. 13/10/28 15:34:18 INFO mapreduce.Job: The url to track the job: http://wyp:8088/proxy/application_1382942307976_0009/  
19. 13/10/28 15:34:18 INFO mapreduce.Job: Running job: job_1382942307976_0009  
20. 13/10/28 15:34:26 INFO mapreduce.Job: Job job_1382942307976_0009 running in uber mode : false  
21. 13/10/28 15:34:26 INFO mapreduce.Job:  map 0% reduce 0%  
22. 13/10/28 15:34:41 INFO mapreduce.Job:  map 50% reduce 0%  
23. 13/10/28 15:34:53 INFO mapreduce.Job:  map 100% reduce 0%  
24. 13/10/28 15:35:17 INFO mapreduce.Job:  map 100% reduce 100%  
25. 13/10/28 15:35:18 INFO mapreduce.Job: Job job_1382942307976_0009 completed successfully  
26. 13/10/28 15:35:18 INFO mapreduce.Job: Counters: 43  
27.     File System Counters  
28.         FILE: Number of bytes read=144425  
29.         FILE: Number of bytes written=524725  
30.         FILE: Number of read operations=0  
31.         FILE: Number of large read operations=0  
32.         FILE: Number of write operations=0  
33.         HDFS: Number of bytes read=1777598  
34.         HDFS: Number of bytes written=18  
35.         HDFS: Number of read operations=9  
36.         HDFS: Number of large read operations=0  
37.         HDFS: Number of write operations=2  
38.     Job Counters   
39.         Launched map tasks=2  
40.         Launched reduce tasks=1  
41.         Data-local map tasks=2  
42.         Total time spent by all maps in occupied slots (ms)=38057  
43.         Total time spent by all reduces in occupied slots (ms)=24800  
44.     Map-Reduce Framework  
45.         Map input records=13130  
46.         Map output records=13129  
47.         Map output bytes=118161  
48.         Map output materialized bytes=144431  
49.         Input split bytes=182  
50.         Combine input records=0  
51.         Combine output records=0  
52.         Reduce input groups=2  
53.         Reduce shuffle bytes=144431  
54.         Reduce input records=13129  
55.         Reduce output records=2  
56.         Spilled Records=26258  
57.         Shuffled Maps =2  
58.         Failed Shuffles=0  
59.         Merged Map outputs=2  
60.         GC time elapsed (ms)=321  
61.         CPU time spent (ms)=5110  
62.         Physical memory (bytes) snapshot=552824832  
63.         Virtual memory (bytes) snapshot=1228738560  
64.         Total committed heap usage (bytes)=459800576  
65.     Shuffle Errors  
66.         BAD_ID=0  
67.         CONNECTION=0  
68.         IO_ERROR=0  
69.         WRONG_LENGTH=0  
70.         WRONG_MAP=0  
71.         WRONG_REDUCE=0  
72.     File Input Format Counters   
73.         Bytes Read=1777416  
74.     File Output Format Counters   
75.         Bytes Written=18  

到这里，程序就成功运行了！很高兴吧？那么怎么查看刚刚程序运行的结果呢？很简单，运行下面命令：

01 02 03 04 05 06 07 08 09 10 11

[wyp @wyp Hadoop_jar]$ hadoop fs -ls /user/wyp Found 2 items -rw-r--r--   1 wyp supergroup    1777168 2013 - 10 - 25 17 : 44 /user/wyp/data.txt drwxr-xr-x   - wyp supergroup          0 2013 - 10 - 28 15 : 35 /user/wyp/result [wyp @wyp Hadoop_jar]$ hadoop fs -ls /user/wyp/result Found 2 items -rw-r--r--   1 wyp supergroup    0 2013 - 10 - 28 15 : 35 /user/wyp/result/_SUCCESS -rw-r--r--   1 wyp supergroup  18 2013 - 10 - 28 15 : 35 /user/wyp/result/part- 00000 [wyp @wyp Hadoop_jar]$ hadoop fs -cat  /user/wyp/result/part- 00000 1901    317 1902    244

　　到此，你自己写好的一个Mapreduce程序终于成功运行了！
　　附程序测试的数据的下载地址：http://pan.baidu.com/s/1iSacM

转载请注明： 转载自过往记忆（http://www.iteblog.com/）
本文链接地址: 编写简单的Mapreduce程序并部署在Hadoop2.2.0上运行（http://www.iteblog.com/archives/789）