Hadoop：map中的错误类路径减少了作业

Question

我正在3个虚拟机中运行cloudera集群，并尝试通过map reduce作业执行hbase批量加载。但我总是得到错误：

error: Class org.apache.hadoop.hbase.mapreduce.HFileOutputFormat not found

因此，似乎地图流程找不到类。所以我尝试了这个：

1）将hbase.jar添加到每个节点上的HADOOP_CLASSPATH

2）将TableMapReduceUtil.addDependencyJars（job）/ TableMapReduceUtil.addDependencyJars（myConf，HFileOutputFormat.class）添加到我的源代码

没什么用的。我绝对不知道为什么找不到类，因为jar /类在类路径中肯定是可用的。

如果我查看job.xml，我会看到以下条目：

name=tmpjars    value=file:/C:/Users/Thomas/.m2/repository/org/apache/zookeeper/zookeeper/3.4.5-cdh4.3.0/zookeeper-3.4.5-cdh4.3.0.jar,file:/C:/Users/Thomas/.m2/repository/org/apache/hbase/hbase/0.94.6-cdh4.3.0/hbase-0.94.6-cdh4.3.0.jar,file:/C:/Users/Thomas/.m2/repository/org/apache/hadoop/hadoop-core/2.0.0-mr1-cdh4.3.0/hadoop-core-2.0.0-mr1-cdh4.3.0.jar,file:/C:/Users/Thomas/.m2/repository/com/google/guava/guava/11.0.2/guava-11.0.2.jar,file:/C:/Users/Thomas/.m2/repository/com/google/protobuf/protobuf-java/2.4.0a/protobuf-java-2.4.0a.jar

这对我来说有点奇怪，这些是我在Windows系统上的本地罐子。也许这应该是hdfs罐子？如果是，我如何更改“tmpjars”的值？

这是我尝试执行的java代码：

        configuration = new Configuration(false);
        configuration.set("mapred.job.tracker", "192.168.2.41:8021");
        configuration.set("fs.defaultFS", "hdfs://192.168.2.41:8020/");
        configuration.set("hbase.zookeeper.quorum", "192.168.2.41");
        configuration.set("hbase.zookeeper.property.clientPort", "2181");

        Job job = new Job(configuration, "HBase Bulk Import for "
                + tablename);
        job.setJarByClass(HBaseKVMapper.class);

        job.setMapperClass(HBaseKVMapper.class);
        job.setMapOutputKeyClass(ImmutableBytesWritable.class);
        job.setMapOutputValueClass(KeyValue.class);
        job.setOutputFormatClass(HFileOutputFormat.class);
        job.setPartitionerClass(TotalOrderPartitioner.class);
        job.setInputFormatClass(TextInputFormat.class);
        HFileOutputFormat.configureIncrementalLoad(job, hTable);

        FileInputFormat.addInputPath(job, new Path("myfile1"));
        FileOutputFormat.setOutputPath(job, new Path("myfile2"));

        job.waitForCompletion(true);

        LoadIncrementalHFiles loader = new LoadIncrementalHFiles(
                configuration);
        loader.doBulkLoad(new Path("myFile3"), hTable);

编辑：

我尝试了一点点，而且完全奇怪。我将以下行添加到java代码中：

job.setJarByClass(HFileOutputFormat.class);

执行此操作后，错误消失了，但是找不到另一个未找到的类：

java.lang.RuntimeException: java.lang.ClassNotFoundException: Class mypackage.bulkLoad.HBaseKVMapper not found

HBaseKVMapper是我想要执行的自定义Mapper类。所以，我试图用“job.setJarByClass（HBaseKVMapper.class）”添加它，但它不起作用，因为它只有一个类文件而且没有jar。所以我生成了一个包含HBaseKVMapper.class的Jarfile。之后，我再次执行它，现在又找到了HFileOutputFormat.class未找到的异常。

稍微调试之后，我发现setJarByClass Methode只将本地jar文件复制到HDFS上的.staging / job_＃number / job.jar。因此，这个setJarByClass（）方法只适用于一个jar文件，因为它在用另一个jar再次执行setJarByClass（）之后会覆盖job.jar。

在寻找eroor的过程中，我在工作中找到了以下结构：

在libjars direcotry中我看到了相关的jar文件

所以，hbase jar在libjars目录中，但是jobtracker不使用它来执行作业。为什么呢？

Answer 1

我会尝试使用Cloudera Manager（免费版），因为它会为您解决这些问题。否则请注意以下事项：

您自己的类和HBase类HFileOutputFormat都需要在本地和远程的类路径上可用。

提交作业

意味着在驱动程序运行时在本地获取类路径：

$ env HADOOP_CLASSPATH=$(hbase classpath) hadoop jar path/to/jar class....

在服务器上

在你的hadoop-env.sh

中

export HADOOP_CLASSPATH=$(hbase claspath)

或使用

TableMapReduceUtil.addDependencyJars

Answer 2

我找到了一个适用于我的“黑客”解决方案，但我对此并不满意，因为它并不是真的可行。

我的“黑客”解决方案：

1. 使用所有必需的类文件创建一个大Jar，我称之为“big.jar”并将其添加到本地（eclipse）类路径
2. 添加以下行：job.setJarByClass（MyMapperClass.class）... MyMapperClass必须在big.jar中

当我执行此操作时，big.jar将被复制为每个作业到文件系统。没有错误了。问题是，罐子的大小是80mb，每次都要复制。

如果有人知道一个更好的方法，如果他能告诉我如何，我会感到尴尬。

编辑：

现在我尝试使用Apache Pig执行作业并遇到完全相同的问题。在这种情况下，我被黑的灵魂不起作用，因为猪自动创造了工作。这是猪的错误：

java.lang.ClassNotFoundException: Class org.apache.hadoop.hbase.mapreduce.TableSplit not found