图片 3

解决Hadoop JobConf限制为5M的问题

原标题:通过简单塑身,解决Dataworks 10M文本限制难题

小编们的事体是要利用mongodb的Hadoop
driver处理输出。我们重写的mongodbInputFormat的时候传递数据的时候是把数量写入conf,然后再从mongoSplitter里面里面从conf里面读出来。比方上边这样:

摘要:
用户在DataWorks上实施MapReduce作业的时候,文件大于十M的JA福睿斯和能源文件不可能上传到Dataworks,导致不或然使用调节去定期推行MapReduce作业。
化解方案: jar -resources test_mr.

把多少放入数据conf:

用户在DataWorks上试行MapReduce作业的时候,文件大于拾M的JAR和能源文件不能够上传到Dataworks,导致无法运用调节去定期试行MapReduce作业。

List<Long> tagsUrns =null;
 //tagUrns 赋值…..
 conf.set(“tagUrns”,
            ObjectSerializer.serialize((Serializable) tagsUrns));

消除方案:

在mapper,reduce,大概mongoSpiltter里拿出conf里的数码:

首先步:大于十M的resources通过马克斯Compute CLI客户端上传,

List<Long> tagUrns = (List<Long>) ObjectSerializer
            .deserialize(context.getConfiguration().get(“tagUrns”));

客户端下载地址:

是因为conf只好放入boolean、int、string的值,而自个儿须求给hadoop
Configuration放入的是list可能其余对象,所以必要利用二个连串化学工业具类。

客户端配置AK、EndPoint:

队列化学工业具类代码:

add jar C:\test_mr\test_mr.jar -f;//增加能源

import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;

其次步:近期通过马克斯Compute
CLI上传的能源,在Dataworks左边财富列表是找不到的,只可以通过list
resources查看确认能源;

import java.io.*;

list resources;//查看财富

public class ObjectSerializer {

其三步:消肉Jar,因为Dataworks施行MCR-V作业的时候,一定要本地实行,所以保留个main就能够;

private static final Log log =
LogFactory.getLog(ObjectSerializer.class);

图片 1

public static String serialize(Serializable obj) throws IOException {
    if (obj == null)
        return “”;
    try {
        ByteArrayOutputStream serialObj = new ByteArrayOutputStream();
        ObjectOutputStream objStream = new
ObjectOutputStream(serialObj);
        objStream.writeObject(obj);
        objStream.close();
        return encodeBytes(serialObj.toByteArray());
    } catch (Exception e) {
        throw new IOException(“Serialization error: ” + e.getMessage(),
e);
    }
}

经过上述措施,大家能够在Dataworks上跑大于十M的MMurano作业。

public static Object deserialize(String str) throws IOException {
    if (str == null || str.length() == 0)
        return null;
    try {
        ByteArrayInputStream serialObj = new ByteArrayInputStream(
                decodeBytes(str));
        ObjectInputStream objStream = new
ObjectInputStream(serialObj);
        return objStream.readObject();
    } catch (Exception e) {
        throw new IOException(“Deserialization error: ” +
e.getMessage(), e);
    }
}

作者:隐林

public static String encodeBytes(byte[] bytes) {
    StringBuffer strBuf = new StringBuffer();

​本文为云栖社区原创内容,未经允许不得转发。回去乐乎,查看越来越多

    for (int i = 0; i < bytes.length; i++) {
        strBuf.append((char) (((bytes[i] >> 4) & 0xF) + ((int)
‘a’)));
        strBuf.append((char) (((bytes[i]) & 0xF) + ((int) ‘a’)));
    }

主编:

    return strBuf.toString();
}

public static byte[] decodeBytes(String str) {
    byte[] bytes = new byte[str.length() / 2];
    for (int i = 0; i < str.length(); i += 2) {
        char c = str.charAt(i);
        bytes[i / 2] = (byte) ((c – ‘a’) << 4);
        c = str.charAt(i + 1);
        bytes[i / 2] += (c – ‘a’);
    }
    return bytes;
}

}

而是当本身放入的数量太大时,运维hadoop义务时报错,错误音讯:

图片 2

错误音讯表达hadoop的conf是有限定的,查询下开采限制为伍M:

图片 3

由此即刻就懵了。这不从conf传入,好像又拿不到。最终想着能否从hdfs文件直接读数据文件。可是自身的多寡必须在mongospliter里面获取数据,而那里只好获得conf。最后开掘hadoop获取FileSystem格局为:

@Resource(name = “hadoopConfiguration”)
private Configuration configuration = null;

………..

 fileSystem = FileSystem.get(configuration);

越来越多详细情况见请继续阅读下一页的精粹内容:
http://www.linuxidc.com/Linux/2013-11/92407p2.htm

引入阅读

Hadoop 二.0 安装向导 (0.二3.x)
http://www.linuxidc.com/Linux/2012-05/61463.htm

Hadoop 1.2.一 单节点安装(Single Node Setup)步骤
http://www.linuxidc.com/Linux/2013-08/89377.htm

在CentOS上安装Hadoop
http://www.linuxidc.com/Linux/2013-08/88600.htm

Ubuntu 12.04安装Hadoop
http://www.linuxidc.com/Linux/2013-08/88187.htm

CentOS 6.3 x86_6肆安装与配置Hadoop-一.0
http://www.linuxidc.com/Linux/2013-07/87959.htm

Hadoop入门–Hadoop2伪布满式安装
http://www.linuxidc.com/Linux/2013-06/86403.htm

Hadoop二.二.0单节点安装及测试
http://www.linuxidc.com/Linux/2013-10/91911.htm

图片 4