我有一个MR程序可以在一堆SequenceFile上完美运行,输出如预期。 当我尝试通过Oozie WorkFlow实现相同目的时,InputFormat类属性无法识别,我感觉输入仅被视为默认TextInputFormat。SequenceFile输入格式在Oozie workflow.xml中无法识别?
下面是如何声明映射器。 SequenceFile键是LongWritable,值是Text。
public static class FeederCounterMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
// setup map function for stripping the feeder for a zone from the input
public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException{
final int count = 1;
// convert input rec to string
String inRec = value.toString();
System.out.println("Feeder:" + inRec);
// strip out the feeder from record
String feeder = inRec.substring(3, 7);
// write the key+value as map output
context.write(new Text(feeder), new IntWritable(count));
}
}
工作流布局为我的应用是如下
/{$namenode}/workflow.xml
/{$namenode}/lib/FeederCounterDriver.jar
下面是我的workflow.xml。 $ namenode,$ jobtracker,$ outputdir,$ inputdir在job.properties文件中定义。
<map-reduce>
<job-tracker>${jobTracker}</job-tracker>
<name-node>${nameNode}</name-node>
<prepare>
<delete path="${nameNode}/${outputDir}"/>
</prepare>
<configuration>
<property>
<name>mapred.reducer.new-api</name>
<value>true</value>
</property>
<property>
<name>mapred.mapper.new-api</name>
<value>true</value>
</property>
<property>
<name>mapreduce.job.queue.name</name>
<value>${queueName}</value>
</property>
<property>
<name>mapred.input.dir</name>
<value>/flume/events/sincal*</value>
</property>
<property>
<name>mapred.output.dir</name>
<value>${outputDir}</value>
</property>
<property>
<name>mapred.input.format.class</name>
<value>org.apache.hadoop.mapred.SequenceFileInputFormat</value>
</property>
<property>
<name>mapred.output.format.class</name>
<value>org.apache.hadoop.mapred.TextOutputFormat</value>
</property>
<property>
<name>mapred.input.key.class</name>
<value>org.apache.hadoop.io.LongWritable</value>
</property>
<property>
<name>mapred.input.value.class</name>
<value>org.apache.hadoop.io.Text</value>
</property>
<property>
<name>mapred.output.key.class</name>
<value>org.apache.hadoop.io.Text</value>
</property>
<property>
<name>mapred.output.value.class</name>
<value>org.apache.hadoop.io.IntWritable</value>
</property>
<property>
<name>mapreduce.map.class</name>
<value>org.poc.hadoop121.gissincal.FeederCounterDriver$FeederCounterMapper</value>
</property>
<property>
<name>mapreduce.reduce.class</name>
<value>org.poc.hadoop121.gissincal.FeederCounterDriver$FeederCounterReducer</value>
</property>
<property>
<name>mapreduce.map.tasks</name>
<value>1</value>
</property>
</configuration>
</map-reduce>
粗壮的一个片段(第一2行)当我运行MR作业是
Feeder:00107371PA1700TEET67576 LKHS 5666LH 2.....
Feeder:00107231PA1300TXDS 8731TX 1FSHS 8731FH 1.....
的输出(第一3行)当我运行使用Ooozie工作流程是
的片断Feeder:SEQ!org.apache.hadoop.io.LongWritableorg.apache.hadoop.io.Text�������b'b��X�...
Feeder:��00105271PA1000FSHS 2255FH 1TXDS 2255TX 1.....
Feeder:��00103171PA1800LKHS 3192LH 2LKHS 2335LH 1.....
从Oozie工作流的上述输出中,我高度怀疑在workflow.xml中提到的输入格式SequenceFileInputFormat甚至被考虑过,否则我觉得这被覆盖。
对此的任何输入都会有所帮助。谢谢
我运行Hadoop 1.2.1并且您提供的解决方案是针对Hadoop 2.x的?我对吗 ?谢谢。 – shiva 2015-02-11 02:38:35
对不起,延迟时间也是1.2.x。 – jfno 2015-03-11 19:08:49