经过上一篇的分析，我们知道了Hadoop的作业提交目标是Cluster还是Local，与conf文件夹内的配置文件参数有着密切关系，不仅如此，其它的很多类都跟conf有关，所以提交作业时切记把conf放到你的classpath中。
因为Configuration是利用当前线程上下文的类加载器来加载资源和文件的，所以这里我们采用动态载入的方式，先添加好对应的依赖库和资源，然后再构建一个URLClassLoader作为当前线程上下文的类加载器。
public static ClassLoader getClassLoader() {
ClassLoader parent
= Thread.currentThread().getContextClassLoader();
if (parent == null ) {
parent
= EJob. class .getClassLoader();
}
if (parent == null ) {
parent
= ClassLoader.getSystemClassLoader();
}
return new URLClassLoader(classPath.toArray( new URL[ 0 ]), parent);
}
代码很简单，废话就不多说了。调用例子如下：
EJob.addClasspath( " /usr/lib/hadoop-0.20/conf " );
ClassLoader classLoader
= EJob.getClassLoader();
Thread.currentThread().setContextClassLoader(classLoader);
设置好了类加载器，下面还有一步就是要打包Jar文件，就是让Project自打包自己的class为一个Jar包，我这里以标准Eclipse工程文件夹布局为例，打包的就是bin文件夹里的class。
public static File createTempJar(String root) throws IOException {
if ( ! new File(root).exists()) {
return null ;
}
Manifest manifest
= new Manifest();
manifest.getMainAttributes().putValue(
" Manifest-Version " , " 1.0 " );
final File jarFile = File.createTempFile( " EJob- " , " .jar " , new File(System
.getProperty(
" java.io.tmpdir " )));
Runtime.getRuntime().addShutdownHook(
new Thread() {
public void run() {
jarFile.delete();
}
});
JarOutputStream out
= new JarOutputStream( new FileOutputStream(jarFile),
manifest);
createTempJarInner(out,
new File(root), "" );
out.flush();
out.close();
return jarFile;
}
private static void createTempJarInner(JarOutputStream out, File f,
String base)
throws IOException {
if (f.isDirectory()) {
File[] fl
= f.listFiles();
if (base.length() > 0 ) {
base
= base + " / " ;
}
for ( int i = 0 ; i < fl.length; i ++ ) {
createTempJarInner(out, fl[i], base
+ fl[i].getName());
}
}
else {
out.putNextEntry(
new JarEntry(base));
FileInputStream in
= new FileInputStream(f);
byte [] buffer = new byte [ 1024 ];
int n = in.read(buffer);
while (n != - 1 ) {
out.write(buffer,
0 , n);
n
= in.read(buffer);
}
in.close();
}
}
这里的对外接口是createTempJar，接收参数为需要打包的文件夹根路径，支持子文件夹打包。使用递归处理法，依次把文件夹里的结构和文件打包到Jar里。很简单，就是基本的文件流操作，陌生一点的就是Manifest和JarOutputStream，查查API就明了。
好，万事具备，只欠东风了，我们来实践一下试试。还是拿WordCount来举例：
// Add these statements. XXX
File jarFile = EJob.createTempJar("bin");
EJob.addClasspath("/usr/lib/hadoop-0.20/conf");
ClassLoader classLoader =
EJob.getClassLoader();
Thread.currentThread().setContextClassLoader(classLoader);
Configuration conf
= new Configuration();
String[] otherArgs
= new GenericOptionsParser(conf, args)
.getRemainingArgs();
if (otherArgs.length != 2 ) {
System.err.println(
" Usage: wordcount" );
System.exit(
2 );
}
Job job
= new Job(conf, " word count " );
job.setJarByClass(WordCountTest.
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(otherArgs[ 0 ]));
FileOutputFormat.setOutputPath(job,
new Path(otherArgs[ 1 ]));
System.exit(job.waitForCompletion(
true ) ? 0 : 1 );
Run as Java Application。。。！！！No job jar file set…异常，看来job.setJarByClass(WordCountTest.class)这个语句设置作业Jar包没有成功。这是为什么呢？
因为这个方法使用了WordCount.class的类加载器来寻找包含该类的Jar包，然后设置该Jar包为作业所用的Jar包。但是我们的作业 Jar包是在程序运行时才打包的，而WordCount.class的类加载器是AppClassLoader，运行后我们无法改变它的搜索路径，所以使用setJarByClass是无法设置作业Jar包的。我们必须使用JobConf里的setJar来直接设置作业Jar包，像下面一样：
((JobConf)job.getConfiguration()).setJar(jarFile);
好，我们对上面的例子再做下修改，加上上面这条语句。
Job job = new Job(conf, " word count " );
// And add this statement. XXX
((JobConf) job.getConfiguration()).setJar(jarFile.toString());
再Run as Java Application，终于OK了~~
该种方法的Run on Hadoop使用简单，兼容性好，推荐一试。：）
本例子由于时间关系，只在Ubuntu上做了伪分布式测试，但理论上是可以用到真实分布式上去的。
The end.
发布者：全栈程序员-站长，转载请注明出处：https://javaforall.net/218328.html原文链接：https://javaforall.net
