从另一个 Java 程序运行 Hadoop 作业

Question

我正在编写一个程序，它接收映射器/缩减器的源代码，动态编译映射器/缩减器并从中生成一个 JAR 文件。然后它必须在 hadoop 集群上运行这个 JAR 文件。

对于最后一部分，我通过代码动态设置了所有必需的参数。但是，我现在面临的问题是代码在编译时需要已编译的 mapper 和 reducer 类。但是在编译时，我没有这些类，它们稍后会在运行时被接收（例如，通过从远程节点接收到的消息）。如果您有任何关于如何解决此问题的想法/建议，我将不胜感激？

您可以在下面找到我最后一部分的代码，问题在于 job.setMapperClass(Mapper_Class.class) 和 job.setReducerClass(Reducer_Class.class) 需要类（Mapper_Class.class 和 Reducer_Class.class）文件编译时在场：

    private boolean run_Hadoop_Job(String className){
try{
    System.out.println("Starting to run the code on Hadoop...");
    String[] argsTemp = { "project_test/input", "project_test/output" };
    // create a configuration
    Configuration conf = new Configuration();
    conf.set("fs.default.name", "hdfs://localhost:54310");
    conf.set("mapred.job.tracker", "localhost:54311");
    conf.set("mapred.jar", jar_Output_Folder+ java.io.File.separator 
                            + className+".jar");
    conf.set("mapreduce.map.class", "Mapper_Reducer_Classes$Mapper_Class.class");
    conf.set("mapreduce.reduce.class", "Mapper_Reducer_Classes$Reducer_Class.class");
    // create a new job based on the configuration
    Job job = new Job(conf, "Hadoop Example for dynamically and programmatically compiling-running a job");
    job.setJarByClass(Platform.class);
    //job.setMapperClass(Mapper_Class.class);
    //job.setReducerClass(Reducer_Class.class);

    // key/value of your reducer output
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);

    FileInputFormat.addInputPath(job, new Path(argsTemp[0]));
    // this deletes possible output paths to prevent job failures
    FileSystem fs = FileSystem.get(conf);
    Path out = new Path(argsTemp[1]);
    fs.delete(out, true);
    // finally set the empty out path
    FileOutputFormat.setOutputPath(job, new Path(argsTemp[1]));

    //job.submit();
    System.exit(job.waitForCompletion(true) ? 0 : 1); 
    System.out.println("Job Finished!");        
} catch (Exception e) { return false; }
return true;
}

已修改：所以我修改了代码以使用 conf.set("mapreduce.map.class, "my mapper.class") 指定映射器和化简器。现在代码编译正确，但执行时会抛出以下内容错误：

ec 2012 年 2 月 24 日上午 6:49:43 org.apache.hadoop.mapred.JobClient monitorAndPrintJob 信息：任务 ID：尝试_201212240511_0006_m_000001_2，状态：失败 java.lang.RuntimeException: java.lang.ClassNotFoundException: Mapper_Reducer_Classes$Mapper_Class.class 在 org.apache.hadoop.conf.Configuration.getClass(Configuration.java:809) 在 org.apache.hadoop.mapreduce.JobContext.getMapperClass(JobContext.java:157) 在 org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:569) 在 org.apache.hadoop.mapred.MapTask.run(MapTask.java:305) 在 org.apache.hadoop.mapred.Child.main(Child.java:170)

Answer 1

如果你在编译时没有它们，那么直接在配置中设置名称，如下所示：

conf.set("mapreduce.map.class", "org.what.ever.ClassName");
conf.set("mapreduce.reduce.class", "org.what.ever.ClassName");

Answer 2

问题是 TaskTracker 看不到本地 jRE 中的类。

我是这样想的（Maven项目）；

首先，将此插件添加到 pom.xml，它将构建您的应用程序 jar 文件，包括所有依赖项 jar，

 <build>
    <plugins>
        <plugin>
            <groupId>org.apache.maven.plugins</groupId>
            <artifactId>maven-shade-plugin</artifactId>
            <executions>
                <execution>
                    <phase>package</phase>
                    <goals>
                        <goal>shade</goal>
                    </goals>
                </execution>
            </executions>
            <configuration>
                <filters>
                    <filter>
                        <artifact>*:*</artifact>
                        <excludes>
                            <exclude>META-INF/*.SF</exclude>
                            <exclude>META-INF/*.DSA</exclude>
                            <exclude>META-INF/*.RSA</exclude>
                        </excludes>
                    </filter>
                </filters>
                <finalName>sample</finalName>
                <!-- 
                <finalName>uber-${artifactId}-${version}</finalName>
                -->
            </configuration>
        </plugin>
    </plugins>
  </build>

在java源代码中，添加这些行，它将包含您在pom.xml中通过上面的标签构建到target/sample.jar的sample.jar。

      Configuration config = new Configuration();
      config.set("fs.default.name", "hdfs://ip:port");
      config.set("mapred.job.tracker", "hdfs://ip:port");

      JobConf job = new JobConf(config);
      job.setJar("target/sample.jar");

这样，您的任务跟踪器可以引用您编写的类，并且不会发生 ClassNotFoundException。

Answer 3

您只需要对要动态创建的类的 Class 对象的引用。使用Class.for name("foo.Mapper") 而不是foo.Mapper.class