Hadoop作业控制

Question

我正在尝试在 Hadoop 中运行多个 Map/Reduce 任务。在谷歌上搜索后，我使用了http://cloudcelebrity.wordpress.com/2012/03/30/how-to-chain-multiple-mapreduce-jobs-in-hadoop/ 中描述的方法 2：使用 JobControl。我收到以下错误：

/examples2/format/Dictionary.java:100: error: no suitable method found for addJob(org.apache.hadoop.mapreduce.Job)
jbcntrl.addJob(job);
       ^
method JobControl.addJob(org.apache.hadoop.mapred.jobcontrol.Job) is not applicable
      (actual argument org.apache.hadoop.mapreduce.Job cannot be converted to org.apache.hadoop.mapred.jobcontrol.Job by method invocation conversion)

如Is it better to use the mapred or the mapreduce package to create a Hadoop Job? 所述，有两个不同的API，在这里似乎没有对齐。再看下去，我找到了JobControl and JofConf.setMapperClass() error。他们说使用mapreduce包org.apache.hadoop.mapreduce.lib.jobcontrol.JobControl' instead of 'org.apache.hadoop.mapred.jobcontrol.JobControl 应该解决它。唯一的问题是：我正在使用它。当我查看这个特定文件时（hadoop-mapreduce-project/hadoop-mapreduce-client/hadoop-mapreduce-client-core/src/main/java/org/apache/hadoop/mapreduce/lib/jobcontrol/JobControl.源代码中的java），我看到它正在使用

import org.apache.hadoop.mapred.jobcontrol.Job;

而不是

import org.apache.hadoop.mapreduce.Job;

在我看来，这似乎是导致错误的原因（正确吗？）。除了将代码恢复为 mapred 之外，还有什么方法可以解决这个问题？或者以任何其他方式运行多个 M/R 作业？

更新：我从http://cloudcelebrity.wordpress.com/2012/03/30/how-to-chain-multiple-mapreduce-jobs-in-hadoop/ 得到了方法 1，但我仍然对问题的答案感兴趣。

Answer 1

自从您提出问题以来已经过去了很长时间，但是您将错误的对象添加到 JobControl。您需要使用名为 ControlledJob 的类来包装 Job，然后才能将其添加到 JobControl。这是一个小例子：

Job jobWordCount = Job.getInstance [...]
[setup jobWordCount]
Job jobSort = Job.getInstance [...]
[setup jobSort]

JobControl jobControl = new JobControl("word-count-control") {{
    ControlledJob count = new ControlledJob(jobWordCount, null);
    ControlledJob sort = new ControlledJob(jobSort,  Arrays.asList(count));
    addJob(count);
    addJob(sort);
}};

Here 是一个您也可以查看的示例。

Answer 2

mapred 是较旧的 API 集。

请更改为 mapreduce 以编写更多 MR 程序。

• mapreduce api 更加紧凑，并且将大部分内容封装在 context 类中，让 coder 的生活变得简单

Answer 3

Oozie 是一个用于描述作业工作流程的系统，该作业可能包含一组 map reduce 作业、pig 脚本、文件系统操作等，并支持数据流的 fork 和 join。

oozie 文档有一个包含多个 MR 作业的示例，包括一个 fork：

http://oozie.apache.org/docs/3.2.0-incubating/WorkflowFunctionalSpec.html#Appendix_B_Workflow_Examples