如何通过Java程序提交yarn的MapReduce计算任务_数据分析师

需要通过Java程序提交Yarn的MapReduce的计算任务。与一般的通过Jar包提交MapReduce任务不同，通过程序提交MapReduce任务需要有点小变动，详见以下代码。

　　以下为MapReduce主程序，有几点需要提一下：

　　1、在程序中，我将文件读入格式设定为WholeFileInputFormat，即不对文件进行切分。

　　2、为了控制reduce的处理过程，map的输出键的格式为组合键格式。与常规的<key,value>不同，这里变为了<textpair,value>，TextPair的格式为<key1,key2>。

　　3、为了适应组合键，重新设定了分组函数，即GroupComparator。分组规则为，只要TextPair中的key1相同(不要求key2相同)，则数据被分配到一个reduce容器中。这样，当相同key1的数据进入reduce容器后，key2起到了一个数据标识的作用。

　　package web.Hadoop;

　　import java.io.IOException;

　　import org.apache.hadoop.conf.Configuration;

　　import org.apache.hadoop.fs.Path;

　　import org.apache.hadoop.io.BytesWritable;

　　import org.apache.hadoop.io.WritableComparable;

　　import org.apache.hadoop.io.WritableComparator;

　　import org.apache.hadoop.mapred.JobClient;

　　import org.apache.hadoop.mapred.JobConf;

　　import org.apache.hadoop.mapred.JobStatus;

　　import org.apache.hadoop.mapreduce.Job;

　　import org.apache.hadoop.mapreduce.Partitioner;

　　import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

　　import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

　　import org.apache.hadoop.mapreduce.lib.output.NullOutputFormat;

　　import util.Utils;

　　public class GEMIMain {

　　public GEMIMain(){

　　job = null;

　　}

　　public Job job;

　　public static class NamePartitioner extends

　　Partitioner<textpair, byteswritable=""> {

　　@Override

　　public int getPartition(TextPair key, BytesWritable value,

　　int numPartitions) {

　　return Math.abs(key.getFirst().hashCode() * 127) % numPartitions;

　　}

　　}

　　/**

　　* 分组设置类，只要两个TextPair的第一个key相同，他们就属于同一组。他们的Value就放到一个Value迭代器中，

　　* 然后进入Reducer的reduce方法中。

　　*

　　* @author hduser

　　*

　　*/

　　public static class GroupComparator extends WritableComparator {

　　public GroupComparator() {

　　super(TextPair.class, true);

　　}

　　@Override

　　public int compare(WritableComparable a, WritableComparable b) {

　　TextPair t1 = (TextPair) a;

　　TextPair t2 = (TextPair) b;

　　// 比较相同则返回0，比较不同则返回-1

　　return t1.getFirst().compareTo(t2.getFirst()); // 只要是第一个字段相同的就分成为同一组

　　}

　　}

　　public boolean runJob(String[] args) throws IOException,

　　ClassNotFoundException, InterruptedException {

　　Configuration conf = new Configuration();

　　// 在conf中设置outputath变量，以在reduce函数中可以获取到该参数的值

　　conf.set("outputPath", args[args.length - 1].toString());

　　//设置HDFS中，每次任务生成产品的质量文件所在文件夹。args数组的倒数第二个原数为质量文件所在文件夹

　　conf.set("qualityFolder", args[args.length - 2].toString());

　　//如果在Server中运行，则需要获取web项目的根路径;如果以java应用方式调试，则读取/opt/hadoop-2.5.0/etc/hadoop/目录下的配置文件

　　//MapReduceProgress mprogress = new MapReduceProgress();

　　//String rootPath= mprogress.rootPath;

　　String rootPath="/opt/hadoop-2.5.0/etc/hadoop/";

　　conf.addResource(new Path(rootPath+"yarn-site.xml"));

　　conf.addResource(new Path(rootPath+"core-site.xml"));

　　conf.addResource(new Path(rootPath+"hdfs-site.xml"));

　　conf.addResource(new Path(rootPath+"mapred-site.xml"));

　　this.job = new Job(conf);

　　job.setJobName("Job name:" + args[0]);

　　job.setJarByClass(GEMIMain.class);

　　job.setMapperClass(GEMIMapper.class);

　　job.setMapOutputKeyClass(TextPair.class);

　　job.setMapOutputValueClass(BytesWritable.class);

　　// 设置partition

　　job.setPartitionerClass(NamePartitioner.class);

　　// 在分区之后按照指定的条件分组

　　job.setGroupingComparatorClass(GroupComparator.class);

　　job.setReducerClass(GEMIReducer.class);

　　job.setInputFormatClass(WholeFileInputFormat.class);

　　job.setOutputFormatClass(NullOutputFormat.class);

　　// job.setOutputKeyClass(NullWritable.class);

　　// job.setOutputValueClass(Text.class);

　　job.setNumReduceTasks(8);

　　// 设置计算输入数据的路径

　　for (int i = 1; i < args.length - 2; i++) {

　　FileInputFormat.addInputPath(job, new Path(args[i]));

　　}

　　// args数组的最后一个元素为输出路径

　　FileOutputFormat.setOutputPath(job, new Path(args[args.length - 1]));

　　boolean flag = job.waitForCompletion(true);

　　return flag;

　　}

　　@SuppressWarnings("static-access")

　　public static void main(String[] args) throws ClassNotFoundException,

　　IOException, InterruptedException {

　　String[] inputPaths = new String[] { "normalizeJob",

　　"hdfs://192.168.168.101:9000/user/hduser/red1/",

　　"hdfs://192.168.168.101:9000/user/hduser/nir1/","quality11111",

　　"hdfs://192.168.168.101:9000/user/hduser/test" };

　　GEMIMain test = new GEMIMain();

　　boolean result = test.runJob(inputPaths);

　　}

　　}

　　以下为TextPair类

　　public class TextPair implements WritableComparable {

　　private Text first;

　　private Text second;

　　public TextPair() {

　　set(new Text(), new Text());

　　}

　　public TextPair(String first, String second) {

　　set(new Text(first), new Text(second));

　　}

　　public TextPair(Text first, Text second) {

　　set(first, second);

　　}

　　public void set(Text first, Text second) {

　　this.first = first;

　　this.second = second;

　　}

　　public Text getFirst() {

　　return first;

　　}

　　public Text getSecond() {

　　return second;

　　}

　　@Override

　　public void write(DataOutput out) throws IOException {

　　first.write(out);

　　second.write(out);

　　}

　　@Override

　　public void readFields(DataInput in) throws IOException {

　　first.readFields(in);

　　second.readFields(in);

　　}

　　@Override

　　public int hashCode() {

　　return first.hashCode() * 163 + second.hashCode();

　　}

　　@Override

　　public boolean equals(Object o) {

　　if (o instanceof TextPair) {

　　TextPair tp = (TextPair) o;

　　return first.equals(tp.first) && second.equals(tp.second);

　　}

　　return false;

　　}

　　@Override

　　public String toString() {

　　return first + "\t" + second;

　　}

　　@Override

　　/**A.compareTo(B)

　　* 如果比较相同，则比较结果为0

　　* 如果A大于B，则比较结果为1

　　* 如果A小于B，则比较结果为-1

　　*

　　*/

　　public int compareTo(TextPair tp) {

　　int cmp = first.compareTo(tp.first);

　　if (cmp != 0) {

　　return cmp;

　　}

　　//此时实现的是升序排列

　　return second.compareTo(tp.second);

　　}

　　}

　　以下为WholeFileInputFormat，其控制数据在mapreduce过程中不被切分

　　package web.hadoop;

　　import java.io.IOException;

　　import org.apache.hadoop.fs.Path;

　　import org.apache.hadoop.io.BytesWritable;

　　import org.apache.hadoop.io.Text;

　　import org.apache.hadoop.mapreduce.InputSplit;

　　import org.apache.hadoop.mapreduce.JobContext;

　　import org.apache.hadoop.mapreduce.RecordReader;

　　import org.apache.hadoop.mapreduce.TaskAttemptContext;

　　import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

　　public class WholeFileInputFormat extends FileInputFormat<text, byteswritable=""> {

　　@Override

　　public RecordReader<text, byteswritable=""> createRecordReader(

　　InputSplit arg0, TaskAttemptContext arg1) throws IOException,

　　InterruptedException {

　　// TODO Auto-generated method stub

　　return new WholeFileRecordReader();

　　}

　　@Override

　　protected boolean isSplitable(JobContext context, Path filename) {

　　// TODO Auto-generated method stub

　　return false;

　　}

　　}

　　以下为WholeFileRecordReader类

　　package web.hadoop;

　　import java.io.IOException;

　　import org.apache.hadoop.conf.Configuration;

　　import org.apache.hadoop.fs.FSDataInputStream;

　　import org.apache.hadoop.fs.FileSystem;

　　import org.apache.hadoop.fs.Path;

　　import org.apache.hadoop.io.BytesWritable;

　　import org.apache.hadoop.io.IOUtils;

　　import org.apache.hadoop.io.Text;

　　import org.apache.hadoop.mapreduce.InputSplit;

　　import org.apache.hadoop.mapreduce.RecordReader;

　　import org.apache.hadoop.mapreduce.TaskAttemptContext;

　　import org.apache.hadoop.mapreduce.lib.input.FileSplit;

　　public class WholeFileRecordReader extends RecordReader<text, byteswritable=""> {

　　private FileSplit fileSplit;

　　private FSDataInputStream fis;

　　private Text key = null;

　　private BytesWritable value = null;

　　private boolean processed = false;

　　@Override

　　public void close() throws IOException {

　　// TODO Auto-generated method stub

　　// fis.close();

　　}

　　@Override

　　public Text getCurrentKey() throws IOException, InterruptedException {

　　// TODO Auto-generated method stub

　　return this.key;

　　}

　　@Override

　　public BytesWritable getCurrentValue() throws IOException,

　　InterruptedException {

　　// TODO Auto-generated method stub

　　return this.value;

　　}

　　@Override

　　public void initialize(InputSplit inputSplit, TaskAttemptContext tacontext)

　　throws IOException, InterruptedException {

　　fileSplit = (FileSplit) inputSplit;

　　Configuration job = tacontext.getConfiguration();

　　Path file = fileSplit.getPath();

　　FileSystem fs = file.getFileSystem(job);

　　fis = fs.open(file);

　　}

　　@Override

　　public boolean nextKeyValue() {

　　if (key == null) {

　　key = new Text();

　　}

　　if (value == null) {

　　value = new BytesWritable();

　　}

　　if (!processed) {

　　byte[] content = new byte[(int) fileSplit.getLength()];

　　Path file = fileSplit.getPath();

　　System.out.println(file.getName());

　　key.set(file.getName());

　　try {

　　IOUtils.readFully(fis, content, 0, content.length);

　　// value.set(content, 0, content.length);

　　value.set(new BytesWritable(content));

　　} catch (IOException e) {

　　// TODO Auto-generated catch block

　　e.printStackTrace();

　　} finally {

　　IOUtils.closeStream(fis);

　　}

　　processed = true;

　　return true;

　　}

　　return false;

　　}

　　@Override

　　public float getProgress() throws IOException, InterruptedException {

　　// TODO Auto-generated method stub

　　return processed ? fileSplit.getLength() : 0;

　　}

　　}

CDA学员免费下载查看报告全文：2026全球数智化人才指数报告【CDA数据科学研究院】.pdf