通过eclipse调试MapReduce任务-低调大师

通过eclipse调试MapReduce任务

2017-05-01 511

利用MapReduce利器作开发，不论从思想上还是技能上都是新的体验。以下罗列下如何利用eclipse调试MR任务。

(本人环境：hadoop 1.0.2，部署在linux上，本地windows开发)

1、安装hadoop。

先在linux上安装好hadoop，为更接近线上环进，我的是安装成Cluster

注意要远程访问相关端口，conf/mapred-site.xml中localhost:9001中需要换成ip加端口。

sh bin/start-all.sh启动，先按文档命令行跑一下example的wordcount。

我安装好运行example遇到了XML解析的错(原因应该是${java.home}/lib/jaxp.properties没有设置，见:javax.xml.xpath.XPathFactory.newInstance(uri)的注释)，后来手动加了xalan-j_2.7.0.jar、xercesImpl-2.7.1.jar、xml-apis-2.7.1.jar、xmlenc-0.52.jar、serializer-2.7.1.jar几个包解决。

2、下载hadoop eclipse plugin (最新只有0.20.3，不过也能使用)，将jar放到eclipse/plugins下，启动eclipse

这个插件比较简陋，只有一个设置项:Window->Preferences->Hadoop Map/Reduce，设置Hadoop的安装路径，解压一份跟运行hadoop同版本的到本机并指向就行了(我的使用smb映射)

建ecplise工程，把WordCount的示例代码复制一份吧，有些hadoop相关的jar需要引用。

Run As->Run On Hadoop设置Map/Reduce Master的IP，端口为9000, DFS Master端口为9001

这样，不出意外的话就能在eclipse里运行Map/Reduce程序了。

3、打开debug。

因为Map/Reduce程序会被打成一个jar并拷到TaskTracker机器上(单独的进程)并开一个Child进程来跑JVM的，配置加到bin/下的脚本都是针对hadoop本身的进程，正确的配置如下：

在conf/mapred-site.xml中添加以下配置项：

>         <property>
>
>                 <name>mapred.child.java.opts</name>
>
>                 <!–<value>-Xmx200m -Xdebug -Xrunjdwp:transport=dt_socket,address=7788,server=y,suspend=y</value>–>
>
>                 <value>-Xmx200m</value>
>
>         </property>
>
>         <property>
>
>                 <name>mapred.tasktracker.map.tasks.maximum</name>
>
>                 <value>1</value>
>
>                 <description>tasktracker的map任务上限</description>
>
>         </property>
>
>         <property>
>
>                 <name>mapred.tasktracker.reduce.tasks.maximum</name>
>
>                 <value>1</value>
>
>                 <description>tasktracker的reduce任务上限</description>
>
>         </property>
>
>         <property>
>
>                 <name>mapred.task.timeout</name>
>
>                 <value>100000000</value>
>
>         </property>

其中的mapred.child.java.opts会在启动Child进程时设为启动参数。suspend=y取y/n分别表示是否挂起进程等待debug连进来。当然，这个选项还可以方便加其它JVM参数。

重启hadoop，这样运行示例，便可以看到7788端口被监听了。以下几条命令可能会用到：

> ./bin/stop-all.sh
>
> sleep 1s
>
> ./bin/start-all.sh
>
> sleep 1s
>
> ./bin/hadoop dfsadmin -safemode leave
>
> #杀掉hadoop进程或某些异常情况下hadoop会安全模式中不退出，HDFS的文件是不能被修改的(运行示例会无任何输出，但从日志中可以看到异常)这个命令强制退出。
>
> ./bin/hadoop dfs -rmr /user/dafu/out.txt
>
> echo done
>
>

以上只在linux的命令行运行有效。eclipse插件其实是自己作为JobClient在运行，从eclipse中运行时会自己生成一个hadoop-site.xml文件(新版hadoop拆分为3个了，不过不影响执行)，而且，在插件GUI设置界面，居然找不到mapred.child.java.opts等配置项，手工打开：workspace/.metadata.pluginsorg.apache.hadoop.eclipse，可以看到这里存放了插件帮我们打好的jar，在hadoop-conf-132297972833171678里可以找到执行的配置。打开目发locations里边的xml文件（hadoop-site.xml的模板文件），搜索mapred.child.java.opts并修改为前面设置的值。

接下来先 Run As->Run On Hadoop，再用eclipse远程连7788端口进行debug即可。

注：多个TaskTracker，可以断多台，应该是一样。

本文来源于"阿里中间件团队播客",原文发表时间" 2012-06-08"

微信关注我们

原文链接：https://yq.aliyun.com/articles/85543

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

《深入理解Hadoop（原书第2版）》——导读

前言 Hadoop已经进入Apache社区发展五年多了，使用Hadoop系统进行开发的工作仍然富于挑战但收获丰厚。本书第1版在若干年前就已经出版了，在这期间，Hadoop系统已经被越来越多的企业使用，自身也得到了飞速发展。 Hadoop2.0基于YARN框架做了全新升级，重写了Hadoop系统的底层平台。本书从Hadoop使用者的角度出发讲解Hadoop的实现原理，浓缩了Hadoop软件系统的精华。作为作者，我们希望可以深入到源代码级别来理解Hadoop的运行原理及其背后的设计目标，渴望与你分享Hadoop带给我们的启迪。通过本书，你不仅能够深入学习Hadoop系统，还可以对Java语言在大数据处理过程中的运用有更深入的认识。本书总体上介绍了大数据的范畴概念，然后对Hadoop进行了详细讲解。因为如果对大数据没有一个总体上的认知，

2017-05-02

598

一、BSP模型概念BSP(Bulk Synchronous Parallel，整体同步并行计算模型)是英国计算机科学家Viliant在上世纪80年代提出的一种并行计算模型。Google发布的一往篇论文(《Pregel: A System for Large-Scale Graph Processing》)使得这一概念被更多人所认识，据说在Google 80%的程序运行在MapReduce上，20%的程序运行在Pregel上。和MapReduce一样，Google并没有开源Pregel，Apache按Pregel的思想提供了类似框架Hama。关于BSP，按我的理解做一些解释：1.Processors指的是并行计算进程，它对应到集群中的多个结点，每个结点可以有多个Processor；2.Local Computation就是单个Processor的计算，每个Processor都会切分一些结点作计算；3.Communication指的是Processor之间的通讯。我们接触的图计算往往需要做些递归或是使用全局变量，在BSP模型中，对图结点的访问分布到了不同的Processor中，并且往往哪怕...

2017-05-02

537

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。