Hadoop作业提交多种方案具体流程详解
?????????????????????? ? ? ? ? ? ? ? ? ?? Hadoop作业提交多种方案具体流程详解
前言：
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:
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：
?
//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.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：
?
//将Configuration类换成JobConf类 JobConf conf = new JobConf();//设置jarconf.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：
?
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~
?
?
?
?
1 楼 diyunpeng 2012-06-25 楼主写的真的很好，我自己也在研究hadoop么，可惜一个人力量太薄弱了。只有看网络才能学到知识啊。哈～ 2 楼 lpingxh 2012-08-22 问个问题：