Hadoop作业提交多种方案具体流程详解

提交hadoop作业时我们遇到了许多的问题，在网上也查过许多的文章，有许多对hadoop提交作业原理进行分析的文章，却总看不到对具体操作过程讲解的文章，导致我们在eclipse提交的作业总是在eclipse虚拟的云环境中运行。慢慢摸索中，一个一个的作业提交方法被我们发现，呵呵，现在总结一下吧。
方案：
1、用命令行方式提交
2、在eclipse中提交作业
3、采用eclipse的插件实现项目的提交
方案一：用命令行方式提交
前提：成功搭建一个hadoop集群，或成功部署一个伪分布式，并启动hadoop。
提交过程：
1、在eclipse中将我们的项目打成一个jar包，放到hadoop的安装目录下。
2、在命令行中提交作业，这里以hadoop自带的wordcount程序为例：

（1）将统计文件传到hdfs，如图（1）

（2）向云提交作业，如图（2）

提交作业时，如果遇到错误：Name node in safe mode，可采用下面的解决方法，如图（3）

（3）列出hdfs上输出文件夹下的文件，如图（4）

（4）在命令行中打印统计好的结果，如图（5）

（注：在命令行中提交作业是按hadoop/conf下的配置文件提交的）

方案二：在eclipse中提交作业

前提：

1、在你的电脑上安装好eclipse，可以在linux下，也可以在windows环境下哦～，这里需要指出的是：提交作业的机器只要有hadoop的API就可以了，和提交作业的机器所处的环境无关。

2、成功搭建一个hadoop集群，或成功部署一个伪分布式，并启动hadoop。

提交过程：

1、在eclipse下建立一个mapreduce项目，导入hadoop的API（hadoop/lib下的包）。

这里直接从外部导入hadoop中自带的wordcount程序。为了可以直接“Run java Aplication”我修改了一点wordcount的代码，使其输入输出文件的地址直接在代码中设置。贴出代码如下：

wordcount.java:
Java代码  收藏代码

    package org.apache.hadoop.examples;  
      
    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;  
      
    public class WordCount {  
    //mapper类  
      public static class TokenizerMapper   
           extends Mapper<Object, Text, Text, IntWritable>{  
          
        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()) {  
            word.set(itr.nextToken());  
            context.write(word, one);  
          }  
        }  
      }  
        
    //reducer类  
      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 = new Job(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("/home/hadoop/testin"));  
        FileOutputFormat.setOutputPath(job, new Path("/home/hadoop/testout"));  
          
        System.exit(job.waitForCompletion(true) ? 0 : 1);  
        
         }  
    }  
       
 如果此时你run java aplication,呵呵，你的程序只会在eclipse中虚拟的一个云环境中运行，而不会跑上云端去运行哦。我们一帮人在这个问题上纠结了好长时间。如果你想在云端运行，需要在main方法中添加几行代码，代码附录如下：

Java代码  收藏代码

    //在你的文件地址前自动添加：hdfs://master:9000/  
    conf.set("fs.default.name", "hdfs://master:9000/");  
    conf.set("hadoop.job.user","xiaolu");    
    //指定jobtracker的ip和端口号，master在/etc/hosts中可以配置  
    conf.set("mapred.job.tracker","master:9001");  

（注：如果你运行的不是master上也有的项目，比如自己实现的pagerank，那会报错如下：）
 
Java代码  收藏代码

    java.lang.RuntimeException: java.lang.ClassNotFoundException: *.PRMapper  
这时会报找不到Mapper类的错。呵呵，这个问题也卡了我们好长时间。我们分析：可能是没有将项目打包，导致云上没有mapreduce程序的缘故，我们尝试着将pagerank项目打成.jar文件，放在项目下，将main方法作出如下修改：
Java代码  收藏代码

           //将Configuration类换成JobConf类  
     JobConf conf = new JobConf();  
    //设置jar  
    conf.setJar("pagerank.jar");  
这时运行java aplication ,呵呵，结果我们成功地将作业提交到了云端。（在浏览器中浏览：master:50030）

方案三：采用eclipse的插件实现项目的提交

前提：在eclipse中成功地安装mapreduce插件。

不过需要提醒各位的是：hadoop-0.20.203.0版本自带的插件不够完整，需要作出如下修改：

1、将HADOOP_HOME/lib目录下的 commons-configuration-1.6.jar , commons-httpclient-3.0.1.jar , commons-lang-2.4.jar , jackson-core-asl-1.0.1.jar 和 jackson-mapper-asl-1.0.1.jar 等5个包复制到hadoop-eclipse-plugin-0.20.203.0.jar的lib目录下。

2、然后，修改该包META-INF目录下的MANIFEST.MF，将classpath修改为以下内容：

Java代码  收藏代码

    Bundle-ClassPath: classes/,lib/hadoop-core.jar,lib/commons-cli-1.2.jar,lib/commons-httpclient-3.0.1.jar,lib/jackson-core-asl-1.0.1.jar,lib/jackson-mapper-asl-1.0.1.jar,lib/commons-configuration-1.6.jar,lib/commons-lang-2.4.jar  
（注：这样就完成了对hadoop-eclipse-plugin-0.20.203.0.jar的修改。如果还有其它的问题，比如Map/Reduce Locations下添加一个Location不能弹出添加对话框，这是eclipse版本的问题，我建议大家采用eclipse的版本是：eclipse-java-indigo-SR1-linux-gtk.tar.gz。）

提交过程：

1、不用手动将项目打成jar包，run on Hadoop就OK了。呵呵~