运行Hadoop作业时一处常见错误以及解决方法 | 张恒镭的博客

运行Hadoop作业时一处常见错误以及解决方法

时间:13-12-20 栏目:MapReduce 作者: 评论:0 点击: 2,165 次

【写在前面】THU的Jie Fu同学遇到了该问题,通过我们的邮件交流解决了该问题。 个人感觉该问题比较普遍,于是整理此文。

1. 问题描述

当用户编写完Hadoop程序时,准备运行时,经常会抛出以下异常:

[15:10:41,949][ INFO][main][org.apache.hadoop.mapred.JobClient:1330] – Task Id : attempt_201202281244_0003_m_000000_1, Status : FAILED

Error: java.lang.ClassNotFoundException: com.sca.commons.ScaException

at java.net.URLClassLoader$1.run(URLClassLoader.java:202)

at java.security.AccessController.doPrivileged(Native Method)

at java.net.URLClassLoader.findClass(URLClassLoader.java:190)

at java.lang.ClassLoader.loadClass(ClassLoader.java:306)

at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:301)

at java.lang.ClassLoader.loadClass(ClassLoader.java:247)

at java.lang.Class.forName0(Native Method)

at java.lang.Class.forName(Class.java:247)

at org.apache.hadoop.conf.Configuration.getClassByName(Configuration.java:819)

at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:864)

at org.apache.hadoop.mapreduce.lib.map.MultithreadedMapper.getMapperClass(MultithreadedMapper.java:95)

at org.apache.hadoop.mapreduce.lib.map.MultithreadedMapper.run(MultithreadedMapper.java:127)

at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:764)

at org.apache.hadoop.mapred.MapTask.run(MapTask.java:370)

at org.apache.hadoop.mapred.Child$4.run(Child.java:255)

at java.security.AccessController.doPrivileged(Native Method)

at javax.security.auth.Subject.doAs(Subject.java:396)

at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1083)

at org.apache.hadoop.mapred.Child.main(Child.java:249)

大家一看异常“java.lang.ClassNotFoundException”就会知道原因是找不到java类。

经个人总结,这通常是由于以下几种原因造成的:

(1)你编写了一个java lib,封装成了jar,然后再写了一个Hadoop程序,调用这个jar完成mapper和reducer的编写

(2)你编写了一个Hadoop程序,期间调用了一个第三方java lib。

之后,你将自己的jar包或者第三方java包分发到各个TaskTracker的HADOOP_HOME目录下,运行你的JAVA程序,报了以上错误。

2. 解决方法

(1) 在运行脚本中添加classpath.

在$HADOOP_HOME/conf/hadoop_env.sh 或者$HADOOP_HOME/bin/hadoop-config.sh中添加:

export HADOOP_CLASSPATH=$HADOOP_HOME/my_jars

然后将你自己的jar包和第三方jar包分发到各个TaskTracker的HADOOP_CLASSPATH目录下(别忘了所有TaskTracker上的hadoop_env.sh和hadoop-config.sh均按以上方法添加HADOOP_CLASSPATH环境变量)

【注】hadoop_env.sh和hadoop-config.sh是所有hadoop运行脚本(start-all.sh, start-dfs.sh等)一定会引用的配置脚本,可以将一些最基本的环境变量或者配置参数加到这两个文件中。

(2) 使用“-libjars“参数

这种方式是本人推荐的方法,但是支持这个功能,需要按照如下方式编写Hadoop程序:


public class MyHadoopJob extends Configured implements Tool {

   public static class  MapClass

      extends Mapper<LongWritable, Text, IntPair, IntWritable> {

      //your mapper

   }

   public static class  Reduce

      extends  Reducer<IntPair, IntWritable, Text, IntWritable> {

      //your reducer

   }

//设定并读取应用程序相关的,自己定义的一些参数

   public int run(String[] args)  throws Exception {

      if(args.length < 2) {

         printUsage();

        return 2;

    }

   Job job = new Job(getConf());

   …......

   }

   //真正的main函数

   public static void main(String[] args) throws  Exception{

      int  res = ToolRunner.run(new Configuration(), new SleepJob(), args);

      System.exit(res);

   }

}

运行作业:

#run_myjob.sh

bin/hadoop jar myjob.jar MyHadoopJob 

-D mapred.job.name=MyHadoopJob 
-D mapred.map.tasks=24 
-D mapred.mreduce.tasks=12 
-D mapred.input.dir=/test/input1,test/input2 
-D mapred.output.dir=/test/output 
-libjars myjob.jar,third-party.jar
-my1 5 
-my2 china

运行./run_myjob.sh

其中 “-libjars“指定本地两个jar文件,Hadoop自动会把这两个文件分发到各个TaskTracker的临时工作目录下,用完后自动删除。

3. 解决方案比较

第一种方法过于笨拙,每次都要人工地将jar包分发到各个TaskTracker上,如果集群很大,非常耗时;第二种方法利用了Hadoop内部机制进行jar包分发,非常方便。实际上,在Hadoop example中,除了WordCount例子外,其他所有例子均采用了方案2的设计方法。

声明: 本文由( )原创编译,转载请保留链接: 运行Hadoop作业时一处常见错误以及解决方法

运行Hadoop作业时一处常见错误以及解决方法:等您坐沙发呢!

发表评论




------====== 本站公告 ======------
欢迎关注我的博客。

其他