资讯

精准传达 • 有效沟通

从品牌网站建设到网络营销策划,从策略到执行的一站式服务

Hadoop2.6.0学习笔记(六)TextOutputFormat及RecordWriter解析

鲁春利的工作笔记,谁说程序员不能有文艺范?

创新互联专注于企业成都全网营销推广、网站重做改版、硚口网站定制设计、自适应品牌网站建设、H5高端网站建设商城网站建设、集团公司官网建设、成都外贸网站建设公司、高端网站制作、响应式网页设计等建站业务,价格优惠性价比高,为硚口等各大城市提供网站开发制作服务。


MapReduce提供了许多默认的输出格式,如TextOutputFormat、KeyValueOutputFormat等。MapReduce中输出文件的个数与Reduce的个数一致,默认情况下有一个Reduce,输出只有一个文件,文件名为part-r-00000,文件内容的行数与map输出中不同key的个数一致。如果有两个Reduce,输出的结果就有两个文件,第一个为part-r-00000,第二个为part-r-00001,依次类推。

MapReduce中默认实现输出功能的类是TextOutputFormat,它主要用来将文本数据输出到HDFS上。

public class TextOutputFormat extends FileOutputFormat {
  public static String SEPERATOR = "mapreduce.output.textoutputformat.separator";
  // 定义了内部类用来实现输出,换行符为\n,分隔符为\t(可以通过参数修改)
  protected static class LineRecordWriter extends RecordWriter {
    public LineRecordWriter(DataOutputStream out) {    // 实际为FSDataOutputStream
      this(out, "\t");
    }
    /** 主要的结构就是两个方法:write和close **/
    public synchronized void write(K key, V value)throws IOException {
      boolean nullKey = key == null || key instanceof NullWritable;
      boolean nullValue = value == null || value instanceof NullWritable;
      if (nullKey && nullValue) {
        return;
      }
      if (!nullKey) {
        writeObject(key);    // 将Text类型数据处理成字节数组
      }
      if (!(nullKey || nullValue)) {
        out.write(keyValueSeparator);
      }
      if (!nullValue) {
        writeObject(value);
      }
      out.write(newline);    // 换行(newline = "\n".getBytes(utf8);)
    }

    public synchronized void close(TaskAttemptContext context) throws IOException {
      out.close();
    }
  }
  
  // 内部类定义结束,下面为TextOutputFormat唯一的关键方法
  public RecordWriter  getRecordWriter(TaskAttemptContext job)
                        throws IOException, InterruptedException {
    // 1、根据Configuration判定是否需要压缩,若需要压缩获取压缩格式及后缀;
    // 2. 获取需要生成的文件路径,getDefaultWorkFile(job, extension)
    // 3. 根据文件生成FSDataOutputStream对象,并return new LineRecordWriter。
    Configuration conf = job.getConfiguration();
    boolean isCompressed = getCompressOutput(job);
    String keyValueSeparator= conf.get(SEPERATOR, "\t");
    CompressionCodec codec = null;
    String extension = "";
    if (isCompressed) {    // 如果是压缩,则根据压缩获取扩展名
      Class codecClass = getOutputCompressorClass(job, GzipCodec.class);
      codec = (CompressionCodec) ReflectionUtils.newInstance(codecClass, conf);
      extension = codec.getDefaultExtension();
    }
    // getDefaultWorkFile用来获取保存输出数据的文件名,由FileOutputFormat类实现
    Path file = getDefaultWorkFile(job, extension);
    FileSystem fs = file.getFileSystem(conf);
    
    // 获取writer对象
    if (!isCompressed) {
      FSDataOutputStream fileOut = fs.create(file, false);
      return new LineRecordWriter(fileOut, keyValueSeparator);
    } else {
      FSDataOutputStream fileOut = fs.create(file, false);
      DataOutputStream dataOut = new DataOutputStream(codec.createOutputStream(fileOut));
      return new LineRecordWriter(dataOut, keyValueSeparator);
    }
  }
}

通过TextFileOutput类分析出具体需要将数据保存到HDFS的什么位置上,是通过FileOutputFormat类的getDefaultWorkFile方法来获取的。实际上对于MapReduce中所有的输出都需要继承OutputFormat,先看一下OutputFormat的类定义。

/**
 * OutputFormat定义了Map-Reduce作业的输出规范,如:
 * 1、校验,如指定的输出目录是否存在,输出的空间是否足够大;
 * 2、指定RecordWriter来将MapReduce的输出写入到FileSystem(一般为HDFS);
 */
public abstract class OutputFormat {
  // 获取与当前task相关联的RecordWriter对象
  public abstract RecordWriter getRecordWriter(TaskAttemptContext context) 
                              throws IOException, InterruptedException;
                              
  // 当提交job时检查当前job的输出规范是否有效,如输出目录是否已存在等
  public abstract void checkOutputSpecs(JobContext context) 
                              throws IOException, InterruptedException;
                              
  // Get the output committer for this output format. 
  // This is responsible for ensuring the output is committed correctly.
  public abstract OutputCommitter getOutputCommitter(TaskAttemptContext context) 
                              throws IOException, InterruptedException;
}

在TextOutputFormat中实现了getRecordWriter,而TextOutputFormat的是FileOutputFormat的子类,而FileOutputFormat是的子类。

/** 用来实现写数据到HDFS的OutputFormat的基类 **/
public abstract class FileOutputFormat extends OutputFormat {
  /** 当有多个分区时,会有多个输出文件,通过NUMBER_FORMAT定义输出文件编号,如part-r-00000,00001等。 **/
  private static final NumberFormat NUMBER_FORMAT = NumberFormat.getInstance();
  /** 默认的输出文件为part开头的,可以通过该参数给指定一个输出的文件名 **/
  protected static final String BASE_OUTPUT_NAME = "mapreduce.output.basename";
  protected static final String PART = "part";
  static {
    NUMBER_FORMAT.setMinimumIntegerDigits(5);
    NUMBER_FORMAT.setGroupingUsed(false);
  }
  
  // 对MapReduce的输出可以指定是否压缩及压缩形式,通过配置文件mapred-site.xml进行配置
  // 默认为false
  public static final String COMPRESS ="mapreduce.output.fileoutputformat.compress";
  // 默认为org.apache.hadoop.io.compress.DefaultCodec
  public static final String COMPRESS_CODEC = "mapreduce.output.fileoutputformat.compress.codec";
  // 默认为RECORD,针对每行记录进行压缩。如果设置为BLOCK,针对一组记录进行压缩。
  public static final String COMPRESS_TYPE = "mapreduce.output.fileoutputformat.compress.type";
  
  // 设置map-reduce job的输出目录
  public static void setOutputPath(Job job, Path outputDir) {
    try {
      outputDir = outputDir.getFileSystem(job.getConfiguration()).makeQualified(outputDir);
    } catch (IOException e) {
        // Throw the IOException as a RuntimeException to be compatible with MR1
        throw new RuntimeException(e);
    }
    job.getConfiguration().set(FileOutputFormat.OUTDIR, outputDir.toString());
  }
  
  // 进行check检查
  public void checkOutputSpecs(JobContext job) throws FileAlreadyExistsException, IOException{
   // 1. 判定是否设定了输出目录(FileOutputFormat.setOutputPath);
   // 2. 判定输出目录是否存在(需指定空目录)。
  }
  
  // 获取输出的committer对象,MRv2引入的,以允许用户自己定制合适的OutputCommitter实现
  public synchronized OutputCommitter getOutputCommitter(TaskAttemptContext context) throws IOException {
    if (committer == null) {
      Path output = getOutputPath(context);
      committer = new FileOutputCommitter(output, context);
    }
    return committer;
  }
  
  // 获取当前output format对应的默认输出路径和文件名
  public Path getDefaultWorkFile(TaskAttemptContext context, String extension) throws IOException{
    FileOutputCommitter committer = (FileOutputCommitter) getOutputCommitter(context);
    return new Path(committer.getWorkPath(), getUniqueFile(context, getOutputName(context), extension));
  }
  
   /**
   * Generate a unique filename, based on the task id, name, and extension
   * 获取文件名,如part-r-00000,00001等
   * @param context the task that is calling this
   * @param name the base filename
   * @param extension the filename extension
   * @return a string like $name-[mrsct]-$id$extension
   */
  public synchronized static String getUniqueFile(TaskAttemptContext context, String name, String extension) {
    TaskID taskId = context.getTaskAttemptID().getTaskID();
    int partition = taskId.getId();
    StringBuilder result = new StringBuilder();
    result.append(name);
    result.append('-');
    result.append(TaskID.getRepresentingCharacter(taskId.getTaskType()));
    result.append('-');
    result.append(NUMBER_FORMAT.format(partition));
    result.append(extension);
    return result.toString();
  }
}

任务的类型是通过类org.apache.hadoop.mapreduce.TaskID$CharTaskTypeMaps获取

static String allTaskTypes = "(m|r|s|c|t)";
static {
  setupTaskTypeToCharMapping();
  setupCharToTaskTypeMapping();
}

private static void setupTaskTypeToCharMapping() {
  typeToCharMap.put(TaskType.MAP, 'm');
  typeToCharMap.put(TaskType.REDUCE, 'r');
  typeToCharMap.put(TaskType.JOB_SETUP, 's');
  typeToCharMap.put(TaskType.JOB_CLEANUP, 'c');
  typeToCharMap.put(TaskType.TASK_CLEANUP, 't');
}

private static void setupCharToTaskTypeMapping() {
  charToTypeMap.put('m', TaskType.MAP);
  charToTypeMap.put('r', TaskType.REDUCE);
  charToTypeMap.put('s', TaskType.JOB_SETUP);
  charToTypeMap.put('c', TaskType.JOB_CLEANUP);
  charToTypeMap.put('t', TaskType.TASK_CLEANUP);
}

// 获取part-r-00000中间的那个r
static char getRepresentingCharacter(TaskType type) {
  return typeToCharMap.get(type);
}

应用示例:把首字母相同的单词放到一个文件里面

输入文件内容:

[hadoop@nnode code]$ 
[hadoop@nnode code]$ hdfs dfs -ls /data
Found 2 items
-rw-r--r--   1 hadoop hadoop         47 2015-06-09 17:59 /data/file1.txt
-rw-r--r--   2 hadoop hadoop         36 2015-06-09 17:59 /data/file2.txt
[hadoop@nnode code]$ hdfs dfs -text /data/file1.txt
hello   world
hello   markhuang
hello   hadoop
[hadoop@nnode code]$ hdfs dfs -text /data/file2.txt
hadoop  ok
hadoop  fail
hadoop  2.3
[hadoop@nnode code]$

自定义OutputFormat:

package com.lucl.hadoop.mapreduce.multiple;

import java.io.IOException;
import java.util.HashMap;
import java.util.Iterator;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FSDataOutputStream;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.Writable;
import org.apache.hadoop.io.WritableComparable;
import org.apache.hadoop.io.compress.CompressionCodec;
import org.apache.hadoop.io.compress.GzipCodec;
import org.apache.hadoop.mapreduce.OutputCommitter;
import org.apache.hadoop.mapreduce.RecordWriter;
import org.apache.hadoop.mapreduce.TaskAttemptContext;
import org.apache.hadoop.mapreduce.lib.output.FileOutputCommitter;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.ReflectionUtils;

/**
 * @author luchunli
 * @description 自定义OutputFormat,这里继承TextOutputFormat,避免了自己实现OutputCommitter,
 * MapReduce中key要求为WritableComparable类型的,value要求为Writable类型的.  */ public class MultipleOutputFormat, V extends Writable> extends TextOutputFormat {     /**      * OutputFormat通过获取Writer对象,将数据输出到指定目录特定名称的文件中。      */     private MultipleRecordWriter writer = null;          // 在TextOutputFormat实现的时候对于每一个map或task任务都有一个唯一的标识,通过TaskID来控制,     // 其在输出时文件名是固定的,每一个输出文件对应一个LineRecordWriter,取其输出流对象(FSDataOutputStream),     // 在输出时通过输出流对象实现数据输出。     //      // 但是在这里实现的时候,实际上是要求对于一个task任务,将它需要输出的数据写入多个文件,文件是不固定的;     // 因此在每次输出的时候判定对应的文件是否已经有Writer对象,若有则通过该对象继续输出,否则创建新的。     @Override     public RecordWriter getRecordWriter(TaskAttemptContext context)             throws IOException, InterruptedException {         if (null == writer) {             writer = new MultipleRecordWriter(context, this.getTaskOutputPath(context));         }         return writer;     }     // 获取任务的输出路径,仍然采用从committer中获取,TaskAttemptContext封装了task的上下文,后续分析。     // 在TextOutputFormat中是通过调用父类(FileOutputFormat)的getDefaultWorkFile来实现的,     // 而getDefaultWorkFile中获取MapReduce定义的默认的文件名,如需要自定义文件名,需自己实现     private Path getTaskOutputPath(TaskAttemptContext context) throws IOException {         Path workPath = null;         OutputCommitter committer = super.getOutputCommitter(context);                  if (committer instanceof FileOutputCommitter) {             // Get the directory that the task should write results into.             workPath = ((FileOutputCommitter) committer).getWorkPath();         } else {             // Get the {@link Path} to the output directory for the map-reduce job.             // context.getConfiguration().get(FileOutputFormat.OUTDIR);             Path outputPath = super.getOutputPath(context);             if (null == outputPath) {                 throw new IOException("Undefined job output-path.");             }             workPath = outputPath;         }                  return workPath;     }     /**      * @author luchunli      * @description 自定义RecordWriter, MapReduce的TextOutputFormat的LineRecordWriter也是内部类,这里参照其实现方式      */     public class MultipleRecordWriter extends RecordWriter {         /** RecordWriter的缓存 **/         private HashMap> recordWriters = null;                  private TaskAttemptContext context;                  /** 输出目录 **/         private Path workPath = null;                  public MultipleRecordWriter () {}                  public MultipleRecordWriter(TaskAttemptContext context, Path path) {             super();             this.context = context;             this.workPath = path;             this.recordWriters = new HashMap>();          }         @Override         public void write(K key, V value) throws IOException, InterruptedException {             String baseName = generateFileNameForKeyValue (key, value, this.context.getConfiguration());             RecordWriter rw = this.recordWriters.get(baseName);             if (null == rw) {                 rw = this.getBaseRecordWriter(context, baseName);                 this.recordWriters.put(baseName, rw);             }             // 这里实际仍然为通过LineRecordWriter来实现的             rw.write(key, value);                 }         // 通过MultipleRecordWriter对LineRecordWriter进行了封装,对于同一个task在输出的时候进行了拆分         // 在MapReduce实现中,默认情况下只有一个reduce(Reduce的数量分区部分分析),根据之前的示例所有的输出都将写入到part-r-00000的文件中,         // 这里所做的工作就是屏蔽了到part-r-00000的输出,而是将同一个reduce的数据拆分为多个文件。         private RecordWriter getBaseRecordWriter(TaskAttemptContext context, String baseName) throws IOException {             Configuration conf = context.getConfiguration();                          boolean isCompressed = getCompressOutput(context);             // 在LineRecordWriter的实现中,分隔符是通过变量如下方式指定的:             // public static String SEPERATOR = "mapreduce.output.textoutputformat.separator";             // String keyValueSeparator= conf.get(SEPERATOR, "\t");             // 这里给了个逗号作为分割             String keyValueSeparator = ",";                          RecordWriter rw = null;             if (isCompressed) {                 Class codecClass = getOutputCompressorClass(context, GzipCodec.class);                 CompressionCodec codec = ReflectionUtils.newInstance(codecClass, conf);                 Path file = new Path(workPath, baseName + codec.getDefaultExtension());                 FSDataOutputStream out = file.getFileSystem(conf).create(file, false);                 rw = new LineRecordWriter<>(out, keyValueSeparator);             } else {                 Path file = new Path(workPath, baseName);                 FSDataOutputStream out = file.getFileSystem(conf).create(file, false);                 rw = new LineRecordWriter<>(out, keyValueSeparator);             }                          return rw;         }         @Override         public void close(TaskAttemptContext context) throws IOException, InterruptedException {             Iterator> it = this.recordWriters.values().iterator();             while (it.hasNext()) {                 RecordWriter rw = it.next();                 rw.close(context);             }             this.recordWriters.clear();         }                  /** 获取生成的文件的后缀名 **/         private String generateFileNameForKeyValue(K key, V value, Configuration configuration) {             char c = key.toString().toLowerCase().charAt(0);              if (c >= 'a' && c <= 'z') {                 return c + ".txt";             }             return "other.txt";         }     } }

实现Mapper

package com.lucl.hadoop.mapreduce.multiple;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

/**
 * @author luchunli
 * @description 自定义Mapper
 */
public class TokenizerMapper extends Mapper {
    private static final IntWritable one = new IntWritable(1);
    private Text text = new Text();
    
    @Override
    protected void map(LongWritable key, Text value, Context context) 
            throws IOException, InterruptedException {
        StringTokenizer token = new StringTokenizer(value.toString());
        while (token.hasMoreTokens()) {
            String word = token.nextToken();
            text.set(word);
            
            context.write(text, one);
        }
    }
}

实现Reducer

package com.lucl.hadoop.mapreduce.multiple;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

/**
 * @author luchunli
 * @description 自定义Reducer
 */
public class TokenizerReducer extends Reducer {
    @Override
    protected void reduce(Text key, Iterable value, Context context)
            throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable intWritable : value) {
            sum += intWritable.get();
        }
        context.write(key, new IntWritable(sum));
    }
}

实现Driver

package com.lucl.hadoop.mapreduce.multiple;

import org.apache.hadoop.conf.Configured;
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;

/**
 * @author luchunli
 * @description 驱动类
 */
public class MultipleWorkCount extends Configured implements Tool {

    public static void main(String[] args) {
        try {
            ToolRunner.run(new MultipleWorkCount(), args);
        } catch (Exception e) {
            e.printStackTrace();
        }

    }
    
    @Override
    public int run(String[] args) throws Exception {
        Job job = Job.getInstance(this.getConf(), this.getClass().getSimpleName());
        
        job.setJarByClass(MultipleWorkCount.class);
        
        FileInputFormat.addInputPath(job, new Path(args[0]));
        
        job.setMapperClass(TokenizerMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        
        job.setReducerClass(TokenizerReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputKeyClass(IntWritable.class);
        
        job.setOutputFormatClass(MultipleOutputFormat.class);
        
        FileOutputFormat.setOutputPath(job, new Path(args[1]));
        
        return job.waitForCompletion(true) ? 0 : 1;
    }

}

调用执行

[hadoop@nnode code]$ hadoop jar MultipleMR.jar /data /2015120500010
15/12/05 16:45:54 INFO client.RMProxy: Connecting to ResourceManager at nnode/192.168.137.117:8032
15/12/05 16:45:55 INFO input.FileInputFormat: Total input paths to process : 2
15/12/05 16:45:55 INFO mapreduce.JobSubmitter: number of splits:2
15/12/05 16:45:55 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1449302623953_0004
15/12/05 16:45:56 INFO impl.YarnClientImpl: Submitted application application_1449302623953_0004
15/12/05 16:45:56 INFO mapreduce.Job: The url to track the job: http://nnode:8088/proxy/application_1449302623953_0004/
15/12/05 16:45:56 INFO mapreduce.Job: Running job: job_1449302623953_0004
15/12/05 16:46:27 INFO mapreduce.Job: Job job_1449302623953_0004 running in uber mode : false
15/12/05 16:46:27 INFO mapreduce.Job:  map 0% reduce 0%
15/12/05 16:46:56 INFO mapreduce.Job:  map 50% reduce 0%
15/12/05 16:46:58 INFO mapreduce.Job:  map 100% reduce 0%
15/12/05 16:47:16 INFO mapreduce.Job:  map 100% reduce 100%
15/12/05 16:47:18 INFO mapreduce.Job: Job job_1449302623953_0004 completed successfully
15/12/05 16:47:18 INFO mapreduce.Job: Counters: 49
        File System Counters
                FILE: Number of bytes read=152
                FILE: Number of bytes written=323517
                FILE: Number of read operations=0
                FILE: Number of large read operations=0
                FILE: Number of write operations=0
                HDFS: Number of bytes read=271
                HDFS: Number of bytes written=55
                HDFS: Number of read operations=9
                HDFS: Number of large read operations=0
                HDFS: Number of write operations=7
        Job Counters 
                Launched map tasks=2
                Launched reduce tasks=1
                Data-local map tasks=2
                Total time spent by all maps in occupied slots (ms)=58249
                Total time spent by all reduces in occupied slots (ms)=17197
                Total time spent by all map tasks (ms)=58249
                Total time spent by all reduce tasks (ms)=17197
                Total vcore-seconds taken by all map tasks=58249
                Total vcore-seconds taken by all reduce tasks=17197
                Total megabyte-seconds taken by all map tasks=59646976
                Total megabyte-seconds taken by all reduce tasks=17609728
        Map-Reduce Framework
                Map input records=6
                Map output records=12
                Map output bytes=122
                Map output materialized bytes=158
                Input split bytes=188
                Combine input records=0
                Combine output records=0
                Reduce input groups=7
                Reduce shuffle bytes=158
                Reduce input records=12
                Reduce output records=7
                Spilled Records=24
                Shuffled Maps =2
                Failed Shuffles=0
                Merged Map outputs=2
                GC time elapsed (ms)=313
                CPU time spent (ms)=4770
                Physical memory (bytes) snapshot=511684608
                Virtual memory (bytes) snapshot=2545770496
                Total committed heap usage (bytes)=257171456
        Shuffle Errors
                BAD_ID=0
                CONNECTION=0
                IO_ERROR=0
                WRONG_LENGTH=0
                WRONG_MAP=0
                WRONG_REDUCE=0
        File Input Format Counters 
                Bytes Read=83
        File Output Format Counters 
                Bytes Written=55
[hadoop@nnode code]$

查看输出结果:

[hadoop@nnode code]$ hdfs dfs -ls /2015120500010
Found 7 items
-rw-r--r--   2 hadoop hadoop          0 2015-12-05 16:47 /2015120500010/_SUCCESS
-rw-r--r--   2 hadoop hadoop          7 2015-12-05 16:47 /2015120500010/f.txt
-rw-r--r--   2 hadoop hadoop         17 2015-12-05 16:47 /2015120500010/h.txt
-rw-r--r--   2 hadoop hadoop         12 2015-12-05 16:47 /2015120500010/m.txt
-rw-r--r--   2 hadoop hadoop          5 2015-12-05 16:47 /2015120500010/o.txt
-rw-r--r--   2 hadoop hadoop          6 2015-12-05 16:47 /2015120500010/other.txt
-rw-r--r--   2 hadoop hadoop          8 2015-12-05 16:47 /2015120500010/w.txt
[hadoop@nnode code]$ hdfs dfs -text /2015120500010/h.txt
hadoop,4
hello,3
[hadoop@nnode code]$ hdfs dfs -text /2015120500010/o.txt
ok,1
[hadoop@nnode code]$ hdfs dfs -text /2015120500010/other.txt
2.3,1
[hadoop@nnode code]$

错误记录:

1、java.lang.RuntimeException: java.lang.InstantiationException

[hadoop@nnode code]$ hadoop jar MultipleMR.jar /data /2015120500001
15/12/05 16:18:19 INFO client.RMProxy: Connecting to ResourceManager at nnode/192.168.137.117:8032
java.lang.RuntimeException: java.lang.InstantiationException
        at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:131)
        at org.apache.hadoop.mapreduce.JobSubmitter.checkSpecs(JobSubmitter.java:559)
        at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:432)
        at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1296)
        at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1293)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:415)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1628)
        at org.apache.hadoop.mapreduce.Job.submit(Job.java:1293)
        at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:1314)
        at com.lucl.hadoop.mapreduce.multiple.MultipleWorkCount.run(MultipleWorkCount.java:49)
        at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:70)
        at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:84)
        at com.lucl.hadoop.mapreduce.multiple.MultipleWorkCount.main(MultipleWorkCount.java:22)
        at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
        at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:57)
        at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:43)
        at java.lang.reflect.Method.invoke(Method.java:606)
        at org.apache.hadoop.util.RunJar.run(RunJar.java:221)
        at org.apache.hadoop.util.RunJar.main(RunJar.java:136)
Caused by: java.lang.InstantiationException
        at sun.reflect.InstantiationExceptionConstructorAccessorImpl.newInstance(InstantiationExceptionConstructorAccessorImpl.java:48)
        at java.lang.reflect.Constructor.newInstance(Constructor.java:526)
        at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:129)
        ... 19 more
[hadoop@nnode code]$

原因:

    由于之前还有一个子类,在Driver中是通过子类定义输出,后来感觉子类没有必要,于是去掉了,但是MultipleOutputFormat类定义仍然为abstract MultipleOutputFormat,没有把abstract给注释掉。

2、Error: java.io.IOException: Unable to initialize any output collector

[hadoop@nnode code]$ hadoop jar MultipleMR.jar /data /2015120500005
15/12/05 16:26:06 INFO client.RMProxy: Connecting to ResourceManager at nnode/192.168.137.117:8032
15/12/05 16:26:07 INFO input.FileInputFormat: Total input paths to process : 2
15/12/05 16:26:07 INFO mapreduce.JobSubmitter: number of splits:2
15/12/05 16:26:08 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1449302623953_0003
15/12/05 16:26:08 INFO impl.YarnClientImpl: Submitted application application_1449302623953_0003
15/12/05 16:26:08 INFO mapreduce.Job: The url to track the job: http://nnode:8088/proxy/application_1449302623953_0003/
15/12/05 16:26:08 INFO mapreduce.Job: Running job: job_1449302623953_0003
15/12/05 16:26:43 INFO mapreduce.Job: Job job_1449302623953_0003 running in uber mode : false
15/12/05 16:26:43 INFO mapreduce.Job:  map 0% reduce 0%
15/12/05 16:27:13 INFO mapreduce.Job: Task Id : attempt_1449302623953_0003_m_000000_0, Status : FAILED
Error: java.io.IOException: Unable to initialize any output collector
        at org.apache.hadoop.mapred.MapTask.createSortingCollector(MapTask.java:412)
        at org.apache.hadoop.mapred.MapTask.access$100(MapTask.java:81)
        at org.apache.hadoop.mapred.MapTask$NewOutputCollector.(MapTask.java:695)
        at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:767)
        at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
        at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:163)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:415)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1628)
        at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)

15/12/05 16:27:13 INFO mapreduce.Job: Task Id : attempt_1449302623953_0003_m_000001_0, Status : FAILED
Error: java.io.IOException: Unable to initialize any output collector
        at org.apache.hadoop.mapred.MapTask.createSortingCollector(MapTask.java:412)
        at org.apache.hadoop.mapred.MapTask.access$100(MapTask.java:81)
        at org.apache.hadoop.mapred.MapTask$NewOutputCollector.(MapTask.java:695)
        at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:767)
        at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
        at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:163)
        at java.security.AccessController.doPrivileged(Native Method)
        at javax.security.auth.Subject.doAs(Subject.java:415)
        at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1628)
        at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)

^C[hadoop@nnode code]$

原因:

    Text引用错了:com.sun.jersey.core.impl.provider.entity.XMLJAXBElementProvider.Text
    正确的引用:org.apache.hadoop.io.Text

说明:

attempt_1449302623953_0003_m_000000_0

通过第二个错误信息能看到map task的命名规则:

// TaskAttemptID represents the immutable and unique identifier for a task attempt. 
// Each task attempt is one particular instance of a Map or Reduce Task identified by TaskID. 
// An example TaskAttemptID is : attempt_200707121733_0003_m_000005_0
// zeroth task attempt for the fifth map task in the third job running at the jobtracker started at 200707121733
public class TaskAttemptID extends org.apache.hadoop.mapred.ID {
  protected static final String ATTEMPT = "attempt";
  private TaskID taskId;
  // ...... 
}

文章标题:Hadoop2.6.0学习笔记(六)TextOutputFormat及RecordWriter解析
新闻来源:http://cdkjz.cn/article/pdsgcc.html