Question

我试着写一个非常简单的工作，只有一个mapper而没有reducer来写一些数据到hbase。在映射器中，我尝试简单地打开与hbase的连接，将几行数据写入表，然后关闭连接。在作业驱动程序中我使用JobConf.setNumMapTasks（1）;和JobConf.setNumReduceTasks（0）;指定只执行1个映射器和不执行reducer。我还在jobConf中将reducer类设置为IdentityReducer。我观察到的奇怪行为是作业成功将数据写入hbase表但是之后我在日志中看到它不断尝试打开与hbase的连接，然后关闭连接，持续20-30分钟并在工作之后宣布完成100％成功。最后，当我检查由输入OutputCollector.collect（...）的虚拟数据创建的_success文件时，我应该看到数百行虚拟数据，而应该只有1。以下是作业驱动程序的代码

    public int run(String[] arg0) throws Exception {
        Configuration config = HBaseConfiguration.create(getConf());
        ensureRequiredParametersExist(config);
        ensureOptionalParametersExist(config);

        JobConf jobConf = new JobConf(config, getClass());
        jobConf.setJobName(config.get(ETLJobConstants.ETL_JOB_NAME));
        //set map specific configuration
        jobConf.setNumMapTasks(1);
        jobConf.setMaxMapAttempts(1);
        jobConf.setInputFormat(TextInputFormat.class);
        jobConf.setMapperClass(SingletonMapper.class);
        jobConf.setMapOutputKeyClass(LongWritable.class);
        jobConf.setMapOutputValueClass(Text.class);

        //set reducer specific configuration
        jobConf.setReducerClass(IdentityReducer.class);
        jobConf.setOutputKeyClass(LongWritable.class);
        jobConf.setOutputValueClass(Text.class);
        jobConf.setOutputFormat(TextOutputFormat.class);
        jobConf.setNumReduceTasks(0);

        //set job specific configuration details like input file name etc
        FileInputFormat.setInputPaths(jobConf, jobConf.get(ETLJobConstants.ETL_JOB_FILE_INPUT_PATH));
        System.out.println("setting output path to : " + jobConf.get(ETLJobConstants.ETL_JOB_FILE_OUTPUT_PATH));
        FileOutputFormat.setOutputPath(jobConf,
                new Path(jobConf.get(ETLJobConstants.ETL_JOB_FILE_OUTPUT_PATH)));
        JobClient.runJob(jobConf);
        return 0;
    }

驱动程序类扩展了Configured和implements Tool（我使用了权威指南中的示例）以下是我的mapper类中的代码。

以下是我的Mapper map方法中的代码，我只需打开与Hbase的连接，进行一些初步检查以确保表存在，然后写入行并关闭表。

    public void map(LongWritable arg0, Text arg1,
        OutputCollector<LongWritable, Text> arg2, Reporter arg3)
        throws IOException {


    HTable aTable = null;
    HBaseAdmin admin = null;


    try {

        arg3.setStatus("started");

        /*
         * set-up hbase config
         */
        admin = new HBaseAdmin(conf);

        /*
         * open connection to table
         */
        String tableName = conf.get(ETLJobConstants.ETL_JOB_TABLE_NAME);

        HTableDescriptor htd = new HTableDescriptor(toBytes(tableName));
        String colFamilyName = conf.get(ETLJobConstants.ETL_JOB_TABLE_COLUMN_FAMILY_NAME);

        byte[] tablename = htd.getName();
        /* call function to ensure table with 'tablename' exists */

        /*
         * loop and put the file data into the table
         */
        aTable = new HTable(conf, tableName);

        DataRow row = /* logic to generate data */
        while (row != null) {
            byte[] rowKey = toBytes(row.getRowKey());
            Put put = new Put(rowKey);
            for (DataNode node : row.getRowData()) {
                put.add(toBytes(colFamilyName), toBytes(node.getNodeName()),
                        toBytes(node.getNodeValue()));
            }
            aTable.put(put);
            arg3.setStatus("xoxoxoxoxoxoxoxoxoxoxoxo added another data row to hbase");
            row = fileParser.getNextRow();
        }
        aTable.flushCommits();
        arg3.setStatus("xoxoxoxoxoxoxoxoxoxoxoxo Finished adding data to hbase");

    } finally {
        if (aTable != null) {
            aTable.close();
        }

        if (admin != null) {
            admin.close();
        }
    }

    arg2.collect(new LongWritable(10), new Text("something"));
    arg3.setStatus("xoxoxoxoxoxoxoxoxoxoxoxoadded some dummy data to the collector");
}

正如你可以看到的那样，我最终将一些虚拟数据写入集合（10，'某事'），并且在作业终止后，我在_success文件中看到了数百行这些数据。我无法确定为什么映射器代码反复重复多次而不是仅运行一次。任何帮助将不胜感激。

Answer 1

使用JobConf.setNumMapTasks(1)只是说hadoop你希望使用1个映射器，如果可能的话，不像setNumReduceTasks，它实际上定义了你指定的数字。

这就是为什么运行更多的映射器并观察所有这些数字的原因。

有关详细信息，请阅读this post。

意图多次执行要运行一次的映射器

1 个答案: