hadoop mapreduce 调试（system.out.println log4j）

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！！！