使用hadoop编写mapreduce程序的注意点
编程时需要注意：1、实例化job后，不要再使用原来的configuration，而需通过job.getCongfigure()来进行参数的配置
public static Job createSubmittableJob(Configuration conf, String[] args)
throws IOException {
String tableName = args;
conf.set(TableInputFormat.INPUT_TABLE, tableName);
conf.set(TableInputFormat.SCAN,
ScanAccessor.getTableInputFormatScan(conf, tableName));
Job job = new Job(conf,
Index.class.getSimpleName() + "_" + tableName + ":" + Utils.now());
job.setJarByClass(Index.class);
// conf.set(..., ...);
job.getConfiguration().set(...
2、map输出的keyvalue与reduce的输出keyvalue对象不统一。但是还是把reduce作为combine类。
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setMapOutputKeyClass(Text.class);
job.setMapOutputValueClass(FloatWritable.class);
job.setOutputKeyClass(Text.class);
//job.setOutputValueClass(FloatWritable.class);
job.setOutputValueClass(Text.class);
这样的错误，出现后，如果不是认真的查看的话，还是比较难发现的！
如果map和reduce的keyvalue类型不同时，不要把Reduce的类作为Combine的处理类！
3、聚合类型的操作才使用reduce
OK： sqoop导数据功能
DAD: hadoop contrib index (详...)
4、命令行参数的顺序
-D参数，以及Hadoop内置的参数, 必须放在class后面，不能跟在args后
· ERROR：
% hadoop jar hadoop-*-examples.jar sort -r numbers.seq sorted \
-inFormat org.apache.hadoop.mapred.SequenceFileInputFormat \
-outFormat org.apache.hadoop.mapred.SequenceFileOutputFormat \
-outkey org.apache.hadoop.io.IntWritable \
-outvalue org.apache.hadoop.io.Text
· OK：
% hadoop jar hadoop-*-examples.jar sort -r \
-inFormat org.apache.hadoop.mapred.SequenceFileInputFormat \
-outFormat org.apache.hadoop.mapred.SequenceFileOutputFormat \
-outkey org.apache.hadoop.io.IntWritable \
-outvalue org.apache.hadoop.io.Text \
numbers.seq sorted
配置属性注意点：
1、开启trash
<property>
<name>fs.trash.interval</name>
<value>720</value>
</property>
2、去除mapreduce完成后"SUCCESS"，"history目录"
3、共享jvm
4、不要关闭mapreduce的超时
Configuration conf = ...
conf.set("hadoop.job.history.user.location", "none");
conf.setBoolean("mapreduce.fileoutputcommitter.marksuccessfuljobs", false);
conf.set("mapred.job.reuse.jvm.num.tasks", "-1");
// conf.set("mapred.task.timeout", "0");
5、 pid的存放目录最好自定义。长期放置在tmp下的文件会被清除。
http://winseclone.iyunv.com/blog/1772989
export HADOOP_PID_DIR=/var/hadoop/pids
Hadoop入门资料：
1 官网
2 https://ccp.cloudera.com/display/DOC/Hadoop+Tutorial
页:
[1]