欧美性猛交XXXX免费看蜜桃,成人网18免费韩国,亚洲国产成人精品区综合,欧美日韩一区二区三区高清不卡,亚洲综合一区二区精品久久

唐 清原, 咨詢(xún)顧問(wèn)簡(jiǎn)介： 本文介紹了 Hadoop 自 0.23.0 版本后新的 map-reduce 框架（Yarn) 原理，優(yōu)勢，運作機制和配置方法等；著(zhù)重介紹新的 yarn 框架相對于原框架的差異及改進(jìn)；并通過(guò) Demo 示例詳細描述了在新的 yarn 框架下搭建和開(kāi)發(fā) hadoop 程序的方法。 讀者通過(guò)本文中新舊 hadoop map-reduce 框架的對比，更能深刻理解新的 yarn 框架的技術(shù)原理和設計思想，文中的 Demo 代碼經(jīng)過(guò)微小修改即可用于用戶(hù)基于 hadoop 新框架的實(shí)際生產(chǎn)環(huán)境。發(fā)布日期： 2013 年 1 月 17 日級別： 初級訪(fǎng)問(wèn)情況 ： 22455 次瀏覽評論： 0 (查看 | 添加評論 - 登錄) 平均分 (88個(gè)評分)為本文評分對于業(yè)界的大數據存儲及分布式處理系統來(lái)說(shuō)，Hadoop 是耳熟能詳的卓越開(kāi)源分布式文件存儲及處理框架，對于 Hadoop 框架的介紹在此不再累述，讀者可參考 Hadoop 官方簡(jiǎn)介。使用和學(xué)習過(guò)老 Hadoop 框架（0.20.0 及之前版本）的同仁應該很熟悉如下的原 MapReduce 框架圖：從上圖中可以清楚的看出原 MapReduce 程序的流程及設計思路：首先用戶(hù)程序 (JobClient) 提交了一個(gè) job，job 的信息會(huì )發(fā)送到 Job Tracker 中，Job Tracker 是 Map-reduce 框架的中心，他需要與集群中的機器定時(shí)通信 (heartbeat), 需要管理哪些程序應該跑在哪些機器上，需要管理所有 job 失敗、重啟等操作。TaskTracker 是 Map-reduce 集群中每臺機器都有的一個(gè)部分，他做的事情主要是監視自己所在機器的資源情況。TaskTracker 同時(shí)監視當前機器的 tasks 運行狀況。TaskTracker 需要把這些信息通過(guò) heartbeat 發(fā)送給 JobTracker，JobTracker 會(huì )搜集這些信息以給新提交的 job 分配運行在哪些機器上。上圖虛線(xiàn)箭頭就是表示消息的發(fā)送 - 接收的過(guò)程。可以看得出原來(lái)的 map-reduce 架構是簡(jiǎn)單明了的，在最初推出的幾年，也得到了眾多的成功案例，獲得業(yè)界廣泛的支持和肯定，但隨著(zhù)分布式系統集群的規模和其工作負荷的增長(cháng)，原框架的問(wèn)題逐漸浮出水面，主要的問(wèn)題集中如下：JobTracker 是 Map-reduce 的集中處理點(diǎn)，存在單點(diǎn)故障。JobTracker 完成了太多的任務(wù)，造成了過(guò)多的資源消耗，當 map-reduce job 非常多的時(shí)候，會(huì )造成很大的內存開(kāi)銷(xiāo)，潛在來(lái)說(shuō)，也增加了 JobTracker fail 的風(fēng)險，這也是業(yè)界普遍總結出老 Hadoop 的 Map-Reduce 只能支持 4000 節點(diǎn)主機的上限。在 TaskTracker 端，以 map/reduce task 的數目作為資源的表示過(guò)于簡(jiǎn)單，沒(méi)有考慮到 cpu/ 內存的占用情況，如果兩個(gè)大內存消耗的 task 被調度到了一塊，很容易出現 OOM。在 TaskTracker 端，把資源強制劃分為 map task slot 和 reduce task slot, 如果當系統中只有 map task 或者只有 reduce task 的時(shí)候，會(huì )造成資源的浪費，也就是前面提過(guò)的集群資源利用的問(wèn)題。源代碼層面分析的時(shí)候，會(huì )發(fā)現代碼非常的難讀，常常因為一個(gè) class 做了太多的事情，代碼量達 3000 多行，，造成 class 的任務(wù)不清晰，增加 bug 修復和版本維護的難度。從操作的角度來(lái)看，現在的 Hadoop MapReduce 框架在有任何重要的或者不重要的變化 ( 例如 bug 修復，性能提升和特性化 ) 時(shí)，都會(huì )強制進(jìn)行系統級別的升級更新。更糟的是，它不管用戶(hù)的喜好，強制讓分布式集群系統的每一個(gè)用戶(hù)端同時(shí)更新。這些更新會(huì )讓用戶(hù)為了驗證他們之前的應用程序是不是適用新的 Hadoop 版本而浪費大量時(shí)間。從業(yè)界使用分布式系統的變化趨勢和 hadoop 框架的長(cháng)遠發(fā)展來(lái)看，MapReduce 的 JobTracker/TaskTracker 機制需要大規模的調整來(lái)修復它在可擴展性，內存消耗，線(xiàn)程模型，可靠性和性能上的缺陷。在過(guò)去的幾年中，hadoop 開(kāi)發(fā)團隊做了一些 bug 的修復，但是最近這些修復的成本越來(lái)越高，這表明對原框架做出改變的難度越來(lái)越大。為從根本上解決舊 MapReduce 框架的性能瓶頸，促進(jìn) Hadoop 框架的更長(cháng)遠發(fā)展，從 0.23.0 版本開(kāi)始，Hadoop 的 MapReduce 框架完全重構，發(fā)生了根本的變化。新的 Hadoop MapReduce 框架命名為 MapReduceV2 或者叫 Yarn，其架構圖如下圖所示：重構根本的思想是將 JobTracker 兩個(gè)主要的功能分離成單獨的組件，這兩個(gè)功能是資源管理和任務(wù)調度 / 監控。新的資源管理器全局管理所有應用程序計算資源的分配，每一個(gè)應用的 ApplicationMaster 負責相應的調度和協(xié)調。一個(gè)應用程序無(wú)非是一個(gè)單獨的傳統的 MapReduce 任務(wù)或者是一個(gè) DAG( 有向無(wú)環(huán)圖 ) 任務(wù)。ResourceManager 和每一臺機器的節點(diǎn)管理服務(wù)器能夠管理用戶(hù)在那臺機器上的進(jìn)程并能對計算進(jìn)行組織。事實(shí)上，每一個(gè)應用的 ApplicationMaster 是一個(gè)詳細的框架庫，它結合從 ResourceManager 獲得的資源和 NodeManager 協(xié)同工作來(lái)運行和監控任務(wù)。上圖中 ResourceManager 支持分層級的應用隊列，這些隊列享有集群一定比例的資源。從某種意義上講它就是一個(gè)純粹的調度器，它在執行過(guò)程中不對應用進(jìn)行監控和狀態(tài)跟蹤。同樣，它也不能重啟因應用失敗或者硬件錯誤而運行失敗的任務(wù)。ResourceManager 是基于應用程序對資源的需求進(jìn)行調度的 ; 每一個(gè)應用程序需要不同類(lèi)型的資源因此就需要不同的容器。資源包括：內存，CPU，磁盤(pán)，網(wǎng)絡(luò )等等?？梢钥闯?，這同現 Mapreduce 固定類(lèi)型的資源使用模型有顯著(zhù)區別，它給集群的使用帶來(lái)負面的影響。資源管理器提供一個(gè)調度策略的插件，它負責將集群資源分配給多個(gè)隊列和應用程序。調度插件可以基于現有的能力調度和公平調度模型。上圖中 NodeManager 是每一臺機器框架的代理，是執行應用程序的容器，監控應用程序的資源使用情況 (CPU，內存，硬盤(pán)，網(wǎng)絡(luò ) ) 并且向調度器匯報。每一個(gè)應用的 ApplicationMaster 的職責有：向調度器索要適當的資源容器，運行任務(wù)，跟蹤應用程序的狀態(tài)和監控它們的進(jìn)程，處理任務(wù)的失敗原因。讓我們來(lái)對新舊 MapReduce 框架做詳細的分析和對比，可以看到有以下幾點(diǎn)顯著(zhù)變化：首先客戶(hù)端不變，其調用 API 及接口大部分保持兼容，這也是為了對開(kāi)發(fā)使用者透明化，使其不必對原有代碼做大的改變 ( 詳見(jiàn) 2.3 Demo 代碼開(kāi)發(fā)及詳解)，但是原框架中核心的 JobTracker 和 TaskTracker 不見(jiàn)了，取而代之的是 ResourceManager, ApplicationMaster 與 NodeManager 三個(gè)部分。我們來(lái)詳細解釋這三個(gè)部分，首先 ResourceManager 是一個(gè)中心的服務(wù)，它做的事情是調度、啟動(dòng)每一個(gè) Job 所屬的 ApplicationMaster、另外監控 ApplicationMaster 的存在情況。細心的讀者會(huì )發(fā)現：Job 里面所在的 task 的監控、重啟等等內容不見(jiàn)了。這就是 AppMst 存在的原因。ResourceManager 負責作業(yè)與資源的調度。接收 JobSubmitter 提交的作業(yè)，按照作業(yè)的上下文 (Context) 信息，以及從 NodeManager 收集來(lái)的狀態(tài)信息，啟動(dòng)調度過(guò)程，分配一個(gè) Container 作為 App MstrNodeManager 功能比較專(zhuān)一，就是負責 Container 狀態(tài)的維護，并向 RM 保持心跳。ApplicationMaster 負責一個(gè) Job 生命周期內的所有工作，類(lèi)似老的框架中 JobTracker。但注意每一個(gè) Job（不是每一種）都有一個(gè) ApplicationMaster，它可以運行在 ResourceManager 以外的機器上。Yarn 框架相對于老的 MapReduce 框架什么優(yōu)勢呢？我們可以看到：這個(gè)設計大大減小了 JobTracker（也就是現在的 ResourceManager）的資源消耗，并且讓監測每一個(gè) Job 子任務(wù) (tasks) 狀態(tài)的程序分布式化了，更安全、更優(yōu)美。在新的 Yarn 中，ApplicationMaster 是一個(gè)可變更的部分，用戶(hù)可以對不同的編程模型寫(xiě)自己的 AppMst，讓更多類(lèi)型的編程模型能夠跑在 Hadoop 集群中，可以參考 hadoop Yarn 官方配置模板中的 mapred-site.xml 配置。對于資源的表示以?xún)却鏋閱挝?( 在目前版本的 Yarn 中，沒(méi)有考慮 cpu 的占用 )，比之前以剩余 slot 數目更合理。老的框架中，JobTracker 一個(gè)很大的負擔就是監控 job 下的 tasks 的運行狀況，現在，這個(gè)部分就扔給 ApplicationMaster 做了，而 ResourceManager 中有一個(gè)模塊叫做 ApplicationsMasters( 注意不是 ApplicationMaster)，它是監測 ApplicationMaster 的運行狀況，如果出問(wèn)題，會(huì )將其在其他機器上重啟。Container 是 Yarn 為了將來(lái)作資源隔離而提出的一個(gè)框架。這一點(diǎn)應該借鑒了 Mesos 的工作，目前是一個(gè)框架，僅僅提供 java 虛擬機內存的隔離 ,hadoop 團隊的設計思路應該后續能支持更多的資源調度和控制 , 既然資源表示成內存量，那就沒(méi)有了之前的 map slot/reduce slot 分開(kāi)造成集群資源閑置的尷尬情況。新的 Yarn 框架相對舊 MapRduce 框架而言，其配置文件 , 啟停腳本及全局變量等也發(fā)生了一些變化，主要的改變如下：改變項原框架中新框架中（Yarn）備注配置文件位置${hadoop_home_dir}/conf${hadoop_home_dir}/etc/hadoop/Yarn 框架也兼容老的 ${hadoop_home_dir}/conf 位置配置，啟動(dòng)時(shí)會(huì )檢測是否存在老的 conf 目錄，如果存在將加載 conf 目錄下的配置，否則加載 etc 下配置啟停腳本${hadoop_home_dir}/bin/start（stop）-all.sh${hadoop_home_dir}/sbin/start（stop）-dfs.sh${hadoop_home_dir}/bin/start(stop)-all.sh新的 Yarn 框架中啟動(dòng)分布式文件系統和啟動(dòng) Yarn 分離，啟動(dòng) / 停止分布式文件系統的命令位于 ${hadoop_home_dir}/sbin 目錄下，啟動(dòng) / 停止 Yarn 框架位于 ${hadoop_home_dir}/bin/ 目錄下JAVA_HOME 全局變量${hadoop_home_dir}/bin/start-all.sh 中${hadoop_home_dir}/etc/hadoop/hadoop-env.sh${hadoop_home_dir}/etc/hadoop/Yarn-env.shYarn 框架中由于啟動(dòng) hdfs 分布式文件系統和啟動(dòng) MapReduce 框架分離，JAVA_HOME 需要在 hadoop-env.sh 和 Yarn-env.sh 中分別配置HADOOP_LOG_DIR 全局變量不需要配置${hadoop_home_dir}/etc/hadoop/hadoop-env.sh老框架在 LOG，conf，tmp 目錄等均默認為腳本啟動(dòng)的當前目錄下的 log,conf，tmp 子目錄Yarn 新框架中 Log 默認創(chuàng )建在 Hadoop 用戶(hù)的 home 目錄下的 log 子目錄，因此最好在 ${hadoop_home_dir}/etc/hadoop/hadoop-env.sh 配置 HADOOP_LOG_DIR，否則有可能會(huì )因為你啟動(dòng) hadoop 的用戶(hù)的 .bashrc 或者 .bash_profile 中指定了其他的 PATH 變量而造成日志位置混亂，而該位置沒(méi)有訪(fǎng)問(wèn)權限的話(huà)啟動(dòng)過(guò)程中會(huì )報錯由于新的 Yarn 框架與原 Hadoop MapReduce 框架相比變化較大，核心的配置文件中很多項在新框架中已經(jīng)廢棄，而新框架中新增了很多其他配置項，看下表所示會(huì )更加清晰：配置文件配置項Hadoop 0.20.X 配置Hadoop 0.23.X 配置說(shuō)明core-site.xml系統默認分布式文件 URIfs.default.namefs.defaultFShdfs-site.xmlDFS name node 存放 name table 的目錄dfs.name.dirdfs.namenode.name.dir新框架中 name node 分成 dfs.namenode.name.dir( 存放 naname table 和DFS data node 存放數據 block 的目錄dfs.data.dirdfs.datanode.data.dir新框架中 DataNode 增加更多細節配置，位于 dfs.datanode. 配置項下，如分布式文件系統數據塊復制數dfs.replicationdfs.replication新框架與老框架一致，值建議配置為與分布式 cluster 中實(shí)際的 DataNode 主機數一致mapred-site.xmlJob 監控地址及端口mapred.job.tracker無(wú)新框架中已改為 Yarn-site.xml 中的 resouceManager 及 nodeManager 具體配置項，新框架中歷史 job 的查詢(xún)已從 Job tracker 剝離，歸入單獨的第三方 MapReduce 框架無(wú)mapreduce.framework.name新框架支持第三方 MapReduce 開(kāi)發(fā)框架以支持如 SmartTalk/DGSG 等非 Yarn 架構，注意通常情況下這個(gè)配置的值都設置為 Yarn，如果沒(méi)有配置這項，那么提交的 Yarn job 只會(huì )運行在 locale 模式，而不是分布式模式。Yarn-site.xmlThe address of the applications manager interface in the RM無(wú)Yarn.resourcemanager.address新框架中 NodeManager 與 RM 通信的接口地址The address of the scheduler interface無(wú)Yarn.resourcemanager.scheduler.address同上，NodeManger 需要知道 RM 主機的 scheduler 調度服務(wù)接口地址The address of the RM web application無(wú)Yarn.resourcemanager.webapp.address新框架中各個(gè) task 的資源調度及運行狀況通過(guò)通過(guò)該 web 界面訪(fǎng)問(wèn)The address of the resource tracker interface無(wú)Yarn.resourcemanager.resource-tracker.address新框架中 NodeManager 需要向 RM 報告任務(wù)運行狀態(tài)供 Resouce 跟蹤，因此 NodeManager 節點(diǎn)主機需要知道 RM 主機的 tracker 接口地址回頁(yè)首了解了 hadoop 新的 Yarn 框架的架構和思路后，我們用一個(gè) Demo 示例來(lái)檢驗新 Yarn 框架下 Map-Reduce 程序的開(kāi)發(fā)部署。我們考慮如下應用場(chǎng)景：用戶(hù)的生產(chǎn)系統由多臺 Weblogic 應用服務(wù)器組成，每天需要每臺對應用服務(wù)器的日志內容進(jìn)行檢查，統計其日志級別和日志模塊的總數。WebLogic 的日志范例如下圖所示：如上圖所示，<Info> 為 weblogic 的日志級別，<Security>，<Management> 為 Weblogic 的日志模塊，我們主要分析 loglevel 和 logmodule 這兩個(gè)維度分別在 WebLogic 日志中出現的次數，每天需要統計出 loglevel 和 logmodule 分別出現的次數總數。由于 Weblogic 應用服務(wù)器分布于不同的主機，且日志數據量巨大，我們采用 hadoop 框架將 WebLogic 各個(gè)應用服務(wù)器主機上建立分布式目錄，每天將 WebLogic 日志裝載進(jìn) hadoop 分布式文件系統，并且編寫(xiě)基于 Yarn 框架的 MapReduce 程序對日志進(jìn)行處理，分別統計出 LogLevel 和 Logmodule 在日志中出現的次數并計算總量，然后輸出到分布式文件系統中，輸出目錄命名精確到小時(shí)為后綴以便區分每次 Demo 程序運行的處理結果。我們搭建一個(gè) Demo 測試環(huán)境以驗證 Yarn 框架下分布式程序處理該案例的功能，以?xún)膳_虛擬機作為該 Demo 的運行平臺，兩機均為 Linux 操作系統，機器 hostname 為 OEL 和 Stephen，OEL 作為 NameNode 和 ResouceManager 節點(diǎn)主機，64 位，Stephen 作為 DataNode 和 NodeManager 節點(diǎn)主機，32 位（Hadoop 支持異構性）, 具體如下：主機名角色備注OEL(192.168.137.8)NameNode 節點(diǎn)主機ResourceManager 主機linux 操作系統32bitStephen(192.168.l37.2)DataNode 節點(diǎn)主機NodeManager 主機linux 操作系統64bit我們把 hadoop 安裝在兩臺測試機的 /hadoop 文件系統目錄下，安裝后的 hadoop 根目錄為：/hadoop/hadoop-0.23.0，規劃分布式文件系統存放于 /hadoop/dfs 的本地目錄，對應分布式系統中的目錄為 /user/oracle/dfs我們根據 Yarn 框架要求，分別在 core-site.xml 中配置分布式文件系統的 URL，詳細如下：<configuration> <property> <name>fs.defaultFS</name> <value>hdfs://192.168.137.8:9100</value> </property> </configuration>在 hdfs-site.xml 中配置 nameNode，dataNode 的本地目錄信息，詳細如下：<configuration> <property> <name>dfs.namenode.name.dir</name> <value>/hadoop/dfs/name</value> <description> </description> </property> <property> <name>dfs.datanode.data.dir</name> <value>/hadoop/dfs/data</value> <description> </description> </property> <property> <name>dfs.replication</name> <value>2</value> </property> </configuration>在 mapred-site.xml 中配置其使用 Yarn 框架執行 map-reduce 處理程序，詳細如下：<configuration> <property> <name>mapreduce.framework.name</name> <value>Yarn</value> </property> </configuration>最后在 Yarn-site.xml 中配置 ResourceManager，NodeManager 的通信端口，web 監控端口等，詳細如下：<?xml version="1.0"?> <configuration> <!-- Site specific YARN configuration properties --> <property> <name>Yarn.nodemanager.aux-services</name> <value>mapreduce.shuffle</value> </property> <property> <description>The address of the applications manager interface in the RM.</description> <name>Yarn.resourcemanager.address</name> <value>192.168.137.8:18040</value> </property> <property> <description>The address of the scheduler interface.</description> <name>Yarn.resourcemanager.scheduler.address</name> <value>192.168.137.8:18030</value> </property> <property> <description>The address of the RM web application.</description> <name>Yarn.resourcemanager.webapp.address</name> <value>192.168.137.8:18088</value> </property> <property> <description>The address of the resource tracker interface.</description> <name>Yarn.resourcemanager.resource-tracker.address</name> <value>192.168.137.8:8025</value> </property> </configuration>hadoop 0.23.0 官方配置模板。以下我們詳細介紹一下新的 Yarn 框架下針對該應用場(chǎng)景的 Demo 代碼的開(kāi)發(fā)， 在 Demo 程序的每個(gè)類(lèi)都有詳細的注釋和說(shuō)明，Yarn 開(kāi)發(fā)為了兼容老版本，API 變化不大，可以參考 官方 Hadoop Yarn 框架 API。在 Map 程序中，我們以行號為 key，行文本為 value 讀取每一行 WebLogic 日志輸入，將 loglevel 和 logmodule 的值讀出作為 Map 處理后的新的 key 值，由于一行中 loglevel 和 logmodule 的出現次數應該唯一，所以經(jīng) Map 程序處理后的新的 record 記錄的 value 應該都為 1：public static class MapClass extends Mapper<Object, Text, Text, IntWritable> { private Text record = new Text(); private static final IntWritable recbytes = new IntWritable(1); public void map(Object key, Text value,Context context) throws IOException,InterruptedException { String line = value.toString(); // 沒(méi)有配置 RecordReader，所以默認采用 line 的實(shí)現， //key 就是行號，value 就是行內容， // 按行 key-value 存放每行 loglevel 和 logmodule 內容 if (line == null || line.equals("")) return; String[] words = line.split("> <"); if (words == null || words.length < 2) return; String logLevel = words[1]; String moduleName = words[2]; record.clear(); record.set(new StringBuffer("logLevel::").append(logLevel).toString()); context.write(record, recbytes); // 輸出日志級別統計結果，通過(guò) logLevel:: 作為前綴來(lái)標示。 record.clear(); record.set(new StringBuffer("moduleName::").append(moduleName).toString()); context.write(record, recbytes); // 輸出模塊名的統計結果，通過(guò) moduleName:: 作為前綴來(lái)標示 } }由于有 loglevel 和 logmodule 兩部分的分析工作，我們設定兩個(gè) Reduce 來(lái)分別處理這兩部分，loglevel 的交給 reduce1，logmodule 交給 reduce2。因此我們編寫(xiě) Patitioner 類(lèi)，根據 Map 傳過(guò)來(lái)的 Key 中包含的 logLevel 和 moduleName 的前綴，來(lái)分配到不同的 Reduce：public static class PartitionerClass extends Partitioner<Text, IntWritable>{public int getPartition(Text key, IntWritable value, int numPartitions){if (numPartitions >= 2)//Reduce 個(gè)數，判斷 loglevel 還是 logmodule 的統計，分配到不同的 Reduceif (key.toString().startsWith("logLevel::"))return 0;else if(key.toString().startsWith("moduleName::"))return 1;else return 0;elsereturn 0;}}在 Reduce 程序中，累加并合并 loglevel 和 logmodule 的出現次數public static class ReduceClass extends Reducer<Text, IntWritable,Text, IntWritable> { private IntWritable result = new IntWritable(); public void reduce(Text key, Iterable<IntWritable> values, Context context)throws IOException, InterruptedException { int tmp = 0; for (IntWritable val : values) { tmp = tmp + val.get(); } result.set(tmp); context.write(key, result);// 輸出最后的匯總結果 } }以上完成了 MapReduce 的主要處理邏輯，對于程序入口，我們使用 Hadoop 提供的 Tools 工具包方便的進(jìn)行 May-Reduce 程序的啟動(dòng)和 Map/Reduce 對應處理 class 的配置。import java.io.File; import java.io.IOException; import java.text.SimpleDateFormat; import java.util.Date; import java.util.Iterator; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.conf.Configured; import org.apache.hadoop.fs.Path; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Job; import org.apache.hadoop.mapreduce.Reducer; import org.apache.hadoop.mapreduce.Mapper; import org.apache.hadoop.mapreduce.Partitioner; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.apache.hadoop.util.Tool; import org.apache.hadoop.util.ToolRunner; public class LogAnalysiser extends Configured implements Tool { public static void main(String[] args) { try { int res; res = ToolRunner.run(new Configuration(),new LogAnalysiser(), args); System.exit(res); } catch (Exception e) { e.printStackTrace(); } } public int run(String[] args) throws Exception { if (args == null || args.length <2) { System.out.println("need inputpath and outputpath"); return 1; } String inputpath = args[0]; String outputpath = args[1]; String shortin = args[0]; String shortout = args[1]; if (shortin.indexOf(File.separator) >= 0) shortin = shortin.substring(shortin.lastIndexOf(File.separator)); if (shortout.indexOf(File.separator) >= 0) shortout = shortout.substring(shortout.lastIndexOf(File.separator)); SimpleDateFormat formater = new SimpleDateFormat("yyyy.MM.dd.HH.mm"); shortout = new StringBuffer(shortout).append("-") .append(formater.format(new Date())).toString(); if (!shortin.startsWith("/")) shortin = "/" + shortin; if (!shortout.startsWith("/")) shortout = "/" + shortout; shortin = "/user/oracle/dfs/" + shortin; shortout = "/user/oracle/dfs/" + shortout; File inputdir = new File(inputpath); File outputdir = new File(outputpath); if (!inputdir.exists() || !inputdir.isDirectory()) { System.out.println("inputpath not exist or isn't dir!"); return 0; } if (!outputdir.exists()) { new File(outputpath).mkdirs(); } // 以下注釋的是 hadoop 0.20.X 老版本的 Job 代碼，在 hadoop0.23.X 新框架中已經(jīng)大大簡(jiǎn)化 // Configuration conf = getConf(); // JobConf job = new JobConf(conf, LogAnalysiser.class); // JobConf conf = new JobConf(getConf(),LogAnalysiser.class);// 構建 Config // conf.setJarByClass(MapClass.class); // conf.setJarByClass(ReduceClass.class); // conf.setJarByClass(PartitionerClass.class); // conf.setJar("hadoopTest.jar"); // job.setJar("hadoopTest.jar"); // 以下是新的 hadoop 0.23.X Yarn 的 Job 代碼 job job = new Job(new Configuration()); job.setJarByClass(LogAnalysiser.class); job.setJobName("analysisjob"); job.setOutputKeyClass(Text.class);// 輸出的 key 類(lèi)型，在 OutputFormat 會(huì )檢查 job.setOutputValueClass(IntWritable.class); // 輸出的 value 類(lèi)型，在 OutputFormat 會(huì )檢查 job.setJarByClass(LogAnalysiser.class); job.setMapperClass(MapClass.class); job.setCombinerClass(ReduceClass.class); job.setReducerClass(ReduceClass.class); job.setPartitionerClass(PartitionerClass.class); job.setNumReduceTasks(2);// 強制需要有兩個(gè) Reduce 來(lái)分別處理流量和次數的統計 FileInputFormat.setInputPaths(job, new Path(shortin));//hdfs 中的輸入路徑 FileOutputFormat.setOutputPath(job,new Path(shortout));//hdfs 中輸出路徑 Date startTime = new Date(); System.out.println("Job started: " + startTime); job.waitForCompletion(true); Date end_time = new Date(); System.out.println("Job ended: " + end_time); System.out.println("The job took " + (end_time.getTime() - startTime.getTime()) /1000 + " seconds."); // 刪除輸入和輸出的臨時(shí)文件 // fileSys.copyToLocalFile(new Path(shortout),new Path(outputpath)); // fileSys.delete(new Path(shortin),true); // fileSys.delete(new Path(shortout),true); return 0; } }Demo 輸入輸出的控制本 demo 中我們將從 Weblogic 日志目錄中拷貝原始待處理日志文件作為 Yarn 程序的輸入，使用 hadoop dfs 命令將其放入分布式目錄的 input 目錄，處理完后將生成以時(shí)間戳為文件目錄后綴的輸出目錄Weblogic 日志存放的原始目錄位于：/u01/app/Oracle/Middleware/user_projects/domains/test_domain/AdminServer/logs分布式文件系統中的輸入目錄：/user/oracle/dfs/input分布式文件系統中的輸出目錄：/user/oracle/dfs/output_%YYYY-MM-DD-hh-mm%Demo 打包和部署可以使用 JDeveloper 或者 Eclipse 等 IDE 工具將開(kāi)發(fā)的 Hadoop Demo 代碼打包為 jar，并指定 Main 類(lèi)為 LoyAnalyze，本文中我們采用 JDeveloper 打包 Demo 代碼，如下圖示例：從上圖可以看出 dfs 分布式文件系統已經(jīng)在 OEL 和 Stephen 主機上成功啟動(dòng)，我們通過(guò)默認的分布式文件系統 Web 監控 http://192.168.137.8:50070（也可以在上文中 core-site.xml 中配置 dfs.namenode.http-address 項指定其他端口 ) 來(lái)驗證其文件系統情況：從上圖中我們可以看到 /user/oracle/dfs 分布式文件系統已成功建立。接下來(lái)我們在 NameNode 主機（OEL，192.168.137.8）上啟動(dòng) Yarn 框架：從上圖我們可以看到 ResouceManager 在 OEL 主機上成功啟動(dòng)，NodeManager 進(jìn)程在 Stephen 節點(diǎn)主機上也已經(jīng)啟動(dòng)，至此整個(gè)新的 Hadoop Yarn 框架已經(jīng)成功啟動(dòng)。我們將打好的 testHadoop.jar 包上傳至 NameNode 主機（OEL）的 /hadoop/hadoop-0.23.0/ 根目錄下，我們使用 Hadoop 自帶的 hadoop 命令行工具執行 Demo 的 jar 包，具體步驟為，先使用 hadoop dfs 命令將輸入文件（weblogic 原始日志）拷貝至 dfs 分布式目錄的 input 輸入目錄，清理 dfs 分布式目錄下的 output 輸出子目錄。然后使用 hadoop jar 命令執行 testHadoop 的 jar 包。執行 Demo 的 shell 腳本示例如下：./bin/hadoop dfs -rmr /user/oracle/dfs/output* ./bin/hadoop dfs -rmr /user/oracle/dfs/input ./bin/hadoop dfs -mkdir /user/oracle/dfs/input ./bin/hadoop dfs -copyFromLocal ./input/*.log /user/oracle/dfs/input/ ./bin/hadoop jar ./hadoopTest.jar /hadoop/hadoop-0.23.0/input /hadoop/hadoop-0.23.0/output清單 9.Demo 執行腳本然后我們使用上文中的腳本啟動(dòng) demo 并執行：查看大圖從上圖的 console 輸出中我們可以看到 Demo 程序的結果和各項統計信息輸出，下面我們通過(guò) Web 監控界面詳細中觀(guān)察程序執行的執行流程和步驟細節。Job 啟動(dòng)后我們可以通過(guò) ResourceManager 的 Web 端口（在上文中 Yarn-site.xml 配置文件中 Yarn.resourcemanager.webapp.address 配置項） http://192.168.137.8:18088 來(lái)監控其 job 的資源調度。查看大圖上圖中我們可以看到 Yarn 框架接受到客戶(hù)端請求 , 如上圖所示 ID 為 application_1346564668712_0003 的 job 已經(jīng)是 accepted 狀態(tài)我們點(diǎn)擊該 ID 的鏈接進(jìn)入到該 application 的 Map-Reduce 處理監控頁(yè)面，該界面中有動(dòng)態(tài)分配的 ApplicationMaster 的 Web 跟蹤端口可以監視 MapReduce 程序的步驟細節點(diǎn)擊上圖中 ApplicationMaster 的 URL 可以進(jìn)入該 ApplicationMaster 負責管理的 Job 的具體 Map-Reduce 運行狀態(tài)：上圖中我們可以看到 ID 為 application_1346564668712_0003 的 Job 正在執行，有 2 個(gè) Map 進(jìn)程，已經(jīng)處理完畢，有 2 個(gè) Reduce 正在處理，這跟我們程序設計預期的是一樣的。當狀態(tài)變?yōu)?successful 后，進(jìn)入 dfs 文件系統可以看到，輸出的 dfs 文件系統已經(jīng)生成，位置位于 /user/oracle/dfs 下，目錄名為 output-2012.09.02.13.52，可以看到格式和命名方式與 Demo 設計是一致的，如下圖所示：我們進(jìn)入具體的輸出目錄，可以清楚的看到程序處理的輸出結果，正如我們 Demo 中設計的，兩個(gè) Reduce 分別生成了兩個(gè)輸出文件，分別是 part-r-00000 和 part-r-00001，對應 Module 和 Log Level 的處理輸出信息：點(diǎn)擊 part-r-00000 的輸出文件鏈接，可以看到程序處理后的 log level 的統計信息：點(diǎn)擊 part-r-00001 的輸出文件鏈接，可以看到程序處理后 Module 的統計信息：至此我們基于新的 Yarn 框架的 Demo 完全成功運行，實(shí)現功能與預期設計完全一致，運行狀態(tài)和 NameNode/DataNode 部署，Job/MapReduece 程序的調度均和設計一致。讀者可參考該 Demo 的配置及代碼進(jìn)行修改，做為實(shí)際生產(chǎn)環(huán)境部署和實(shí)施的基礎。回頁(yè)首下載描述名字大小下載方法樣例代碼source_code.zip4.7KBHTTP樣例代碼config_files.zip2.1KBHTTP關(guān)于下載方法的信息學(xué)習參考 hadoop 0.23.0 官方配置模板：core-site.xml 配置模板及詳解。參考 hadoop 0.23.0 官方配置模板：hdfs-site.xml 配置摹本及詳解。參考 hadoop 0.23.0 官方配置模板：Yarn-site.xml 配置模板及詳解。參考 hadoop 0.23.0 官方配置模板：mapred-site.xml 配置模板及詳解。隨時(shí)關(guān)注 developerWorks 技術(shù)活動(dòng)和 網(wǎng)絡(luò )廣播。訪(fǎng)問(wèn) developerWorks Open source 專(zhuān)區獲得豐富的 how-to 信息、工具和項目更新以及 最受歡迎的文章和教程，幫助您用開(kāi)放源碼技術(shù)進(jìn)行開(kāi)發(fā)，并將它們與 IBM 產(chǎn)品結合使用。討論加入 developerWorks 中文社區，developerWorks 社區是一個(gè)面向全球 IT 專(zhuān)業(yè)人員，可以提供博客、書(shū)簽、wiki、群組、聯(lián)系、共享和協(xié)作等社區功能的專(zhuān)業(yè)社交網(wǎng)絡(luò )社區。加入 IBM 軟件下載與技術(shù)交流群組，參與在線(xiàn)交流。唐清原，現供職于一家知名 500 強 IT 企業(yè)從事高級咨詢(xún)顧問(wèn)工作，對 Java，Unix/Linux，數據庫及應用服務(wù)器方面有超過(guò) 8 年豐富經(jīng)驗，曾在 developerWorks 發(fā)表過(guò)相關(guān)文章（如 《在 Hibernate 中直接操作 JDBC 接口》。