使用 Hadoop 计数器 - 多个作业

Question

我正在使用 Hadoop 开发一个 mapreduce 项目。我目前有 3 个连续的工作。

我想使用 Hadoop 计数器，但问题是我想在第一个作业中进行实际计数，但在第三个作业的减速器中访问计数器值。

我怎样才能做到这一点？我应该在哪里定义enum？我需要通过它扔第二份工作吗？由于我还找不到任何东西，因此查看一些代码示例也会有所帮助。

注意：我使用的是 Hadoop 2.7.2

编辑：我已经尝试过here 解释的方法，但没有成功。我的情况不同，因为我想从不同的工作访问计数器。 （不是从映射器到减速器）。

我尝试做的事情： 第一份工作：

public static void startFirstJob(String inputPath, String outputPath) throws IOException, ClassNotFoundException, InterruptedException {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "wordCount");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(WordCountMapper.class);
    job.setCombinerClass(WordCountReducer.class);
    job.setReducerClass(WordCountReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(LongWritable.class);
    job.setInputFormatClass(SequenceFileInputFormat.class);
    job.setOutputFormatClass(SequenceFileOutputFormat.class);
    FileInputFormat.addInputPath(job, new Path(inputPath));
    FileOutputFormat.setOutputPath(job, new Path(outputPath));
    job.waitForCompletion(true);
}

在不同的类中定义了计数器枚举：

public class CountersClass {
    public static enum N_COUNTERS {
        SOMECOUNT
    }
}

试图读取计数器：

Cluster cluster = new Cluster(context.getConfiguration());
Job job = cluster.getJob(JobID.forName("wordCount"));
Counters counters = job.getCounters();
CountersClass.N_COUNTERS mycounter = CountersClass.N_COUNTERS.valueOf("SOMECOUNT");
Counter c1 = counters.findCounter(mycounter);
long N_Count = c1.getValue();

Answer 1

经典解决方案是将作业的计数器值放入您需要访问它的后续作业的配置中：

所以请确保在计数作业映射器/reducer 中正确递增：

context.getCounter(CountersClass.N_COUNTERS.SOMECOUNT).increment(1);

然后在计算作业完成后：

job.waitForCompletion(true);

Counter someCount = job.getCounters().findCounter(CountersClass.N_COUNTERS.SOMECOUNT);

//put counter value into conf object of the job where you need to access it
//you can choose any name for the conf key really (i just used counter enum name here)
job2.getConfiguration().setLong(CountersClass.N_COUNTERS.SOMECOUNT.name(), someCount.getValue());

下一部分是在另一个作业的映射器/减速器中访问它。只需覆盖 setup() 例如：

private long someCount;

@Override
protected void setup(Context context) throws IOException,
    InterruptedException {
  super.setup(context);
  this.someCount  = context.getConfiguration().getLong(CountersClass.N_COUNTERS.SOMECOUNT.name(), 0));
}

Answer 2

在第一个作业结束时获取计数器并将它们的值写入文件并在后续作业中读取。如果您想从 reducer 中读取，则将其写入 HDFS；如果您将在应用程序代码中读取和初始化，则将其写入本地文件。

Counters counters = job.getCounters(); Counter c1 = counters.findCounter(COUNTER_NAME); System.out.println(c1.getDisplayName()+":"+c1.getValue());

读写文件是基础教程的一部分。