hadoop mapreduce 调试(system.out.println log4j)
本文主要介绍如何调试mapreduce。
本文阅读前提:
1、已经配置好hadoop集群。
2、能够正常运行例如wordcount程序,如果还没有可以参考如下文章(http://blog.csdn.net/wild46cat/article/details/53609597)。
下面上货。
首先在程序中加入调试信息:
package com.xueyou.xueyoucto.wordcount;
/**
* Hello world!
*
*/
import java.io.IOException;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.htrace.commons.logging.Log;
import org.apache.htrace.commons.logging.LogFactory;
public class WordCount {
public static class TokenizerMapper
extends Mapper<Object, Text, Text, IntWritable> {
private static final Log LOG = LogFactory.getLog(TokenizerMapper.class);
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
String temps = itr.nextToken();
word.set(temps);
context.write(word, one);
System.out.println("sout-->map :" + temps);
LOG.info("LOG-->map :" + temps);
}
LOG.info("LOG-->map : line ok=================");
System.out.println("soutmap : line ok=================");
}
}
public static class IntSumReducer
extends Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable<IntWritable> values,
Context context
) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
result.set(sum);
context.write(key, result);
}
}
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
Job job = Job.getInstance(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
在打jar包前先看一下程序的目录结构:
这是log4j.properties的内容:
log4j.rootLogger=DEBUG, stdout
#log4j.logger.org.springframework=INFO
#log4j.logger.org.apache.activemq=INFO
#log4j.logger.org.apache.activemq.spring=WARN
#log4j.logger.org.apache.activemq.store.journal=INFO
#log4j.logger.org.activeio.journal=INFO
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%-d{yyyy-MM-dd HH:mm:ss} [ %t:%r ] - [ %p ] %m%n
看完目录结构后,打jar包,放到集群中运行:
hadoop jar wordcount.jar /wordcountinput/123 /wordcountoutput/test008
运行完成后,查看yarn管理界面:
这里需要注意,因为log文件在hdfs中存储也和普通文件一样的,所以log文件是在不同的datanode中存储的。那么如何找到日志文件呢?
首先要看一下yarn-site.xml中设置的log-dir是哪里,然后去每个datanode中找是否有日志文件。
我的日志文件配置是在$hadoop_home/yarn/log文件夹下(host2和host3都是datanode):
从上面的截图中可以看到这个log文件是这样存储的:
host3中存储了第一部分,host2中存储了剩下的两部分。那么现在可以直接在命令行中进行查看了。
还有一种方式就是在web中直接查看(根据文件夹的名称和datanode的名称)。
好了,下面看一下我们输出的日志在哪个文件中。在host2的002文件中
通过web进去看一下:
这是system.out.println的输出
这是log4j的输出:
通过这样的方式,能够找到调试信息。
最后附上整个项目的代码:点我下载,不要你的积分噢!!!