hadoop配置常见问题
- - 企业架构 - ITeye博客收集记录一些Hadoop配置部署过程中遇到的问题. 这种方法解决了运行中的hadoop的safe mode问题，但是下次重启hadoop，还会出现这个问题. 其实这个问题，我猜测可能是由于目录/app/hadoop/tmp/mapred/system被破坏造成. 永久解决，可以删除掉/app/hadoop/tmp/，重新创建，重新format，重启hadoop——如果条件允许的话.
运行Hadoop作业时一处常见错误以及解决方法 job 引入第三方jar包
标签：
Hadoop
| 发表时间：2012-04-25 16:53 | 作者：jrckkyy
出处：http://hi.baidu.com/jrckkyy
提交job端引入了 第三方jar包，自动传上去的参数 -D libjars=myjob.jar,third-party.jar
会上传到 hdfs-site.xml 文件中 ：
<property>
<name>hadoop.tmp.dir</name>
<value>/tmp/</value>
<description>
</description>
</property>
指定的路径，该路径是hdfs上的路径，mapred运行时会在该目录下建立自己的文件夹里面放入 上传的第三方jar包，所有的mapred程序都去这个hdfs目录读取jar包到本地运行java程序。
p
运行Hadoop作业时一处常见错误以及解决方法 | 董的博客
-0229
【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“-D 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：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | public class MyHadoopJob extends Configured implements Tool { publicstaticclass MapClass extendsMapper<LongWritable, Text, IntPair, IntWritable> { //your mapper } publicstaticclass 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 publicintrun(String[] args) throwsException { if(args.length < 2) { printUsage(); return2; } Job job = newJob(getConf()); …...... } //真正的main函数 publicstaticvoidmain(String[] args) throws Exception{ int res = ToolRunner.run(newConfiguration(), newSleepJob(), 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 \-D libjars=myjob.jar,third-party.jar-my1 5 \-my2 china
运行./run_myjob.sh
其中 “-D 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。
运行Hadoop作业时一处常见错误以及解决方法 | 董的博客
-0229
【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“-D 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：
| 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 | public class MyHadoopJob extends Configured implements Tool { publicstaticclass MapClass extendsMapper<LongWritable, Text, IntPair, IntWritable> { //your mapper } publicstaticclass 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 publicintrun(String[] args) throwsException { if(args.length < 2) { printUsage(); return2; } Job job = newJob(getConf()); …...... } //真正的main函数 publicstaticvoidmain(String[] args) throws Exception{ int res = ToolRunner.run(newConfiguration(), newSleepJob(), 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 \-D libjars=myjob.jar,third-party.jar-my1 5 \-my2 china
运行./run_myjob.sh
其中 “-D 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。
类别： Hadoop 查看评论
相关 [hadoop 作业 常见] 推荐：
运行Hadoop作业时一处常见错误以及解决方法 job 引入第三方jar包
- - 学着站在巨人的肩膀上提交job端引入了 第三方jar包，自动传上去的参数 -D libjars=myjob.jar,third-party.jar. 会上传到 hdfs-site.xml 文件中 ：. 指定的路径，该路径是hdfs上的路径，mapred运行时会在该目录下建立自己的文件夹里面放入 上传的第三方jar包，所有的mapred程序都去这个hdfs目录读取jar包到本地运行java程序.
hadoop常见错误及解决办法！
- - 企业架构 - ITeye博客转：
http://p-x1984.iteye.com/blog/989577
1：Shuffle Error: Exceeded MAX_FAILED_UNIQUE_FETCHES; bailing-out
Answer：
程序里面需要打开多个文件，进行分析，系统一般默认数量是1024，（用ulimit -a可以看到）对于正常使用是够了，但是对于程序来讲，就太少了.
Hadoop YARN常见问题以及解决方案
- - 董的博客Dong | 新浪微博： 西成懂 | 可以转载, 但必须以超链接形式标明文章原始出处和作者信息及 版权声明. 网址: http://dongxicheng.org/mapreduce-nextgen/hadoop-yarn-problems-vs-solutions/. 本博客的文章集合: http://dongxicheng.org/recommend/.
hadoop作业reduce过程调优使用到的参数笔记
- - 编程语言 - ITeye博客reduce的运行是分成三个阶段的. 分别为copy->sort->reduce. 由于job的每一个map都会根据reduce(n)数将数据分成map 输出结果分成n个partition，. 所以map的中间结果中是有可能包含每一个reduce需要处理的部分数据的. 所以，为了优化reduce的执行时间，hadoop中是等job的第一个map结束后，.
分布式系统Hadoop源码阅读与分析（一）：作业调度器实现机制
- otter - 博客园-首页原创精华区上一篇博文对Hadoop的作业调度器进行了介绍，我们知道，JobTracker和TaskTracker是Hadoop作业调度过程中最核心的两个部分，前者负责map/reduce作业的调度与分派，后者负责map/reduce作业的实际执行，它们之间通过RPC机制进行通讯. 下面将对Hadoop 0.20.2版本中作业调度相关源码进行分析，至于JobTracker和TaskTracker中与作业调度无关的源码部分，并未进行详细介绍.
Hadoop Streaming 编程
- - 学着站在巨人的肩膀上Hadoop Streaming是Hadoop提供的一个编程工具，它允许用户使用任何可执行文件或者脚本文件作为Mapper和Reducer，例如：. 采用shell脚本语言中的一些命令作为mapper和reducer（cat作为mapper，wc作为reducer）. 本文安排如下，第二节介绍Hadoop Streaming的原理，第三节介绍Hadoop Streaming的使用方法，第四节介绍Hadoop Streaming的程序编写方法，在这一节中，用C++、C、shell脚本 和python实现了WordCount作业，第五节总结了常见的问题.
Hadoop使用（一）
- Pei - 博客园-首页原创精华区Hadoop使用主/从（Master/Slave）架构，主要角色有NameNode，DataNode，secondary NameNode，JobTracker，TaskTracker组成. 其中NameNode，secondary NameNode，JobTracker运行在Master节点上，DataNode和TaskTracker运行在Slave节点上.
Hadoop MapReduce技巧
- - 简单文本我在使用Hadoop编写MapReduce程序时，遇到了一些问题，通过在Google上查询资料，并结合自己对Hadoop的理解，逐一解决了这些问题. Hadoop对MapReduce中Key与Value的类型是有要求的，简单说来，这些类型必须支持Hadoop的序列化. 为了提高序列化的性能，Hadoop还为Java中常见的基本类型提供了相应地支持序列化的类型，如IntWritable，LongWritable，并为String类型提供了Text类型.
Hadoop TaskScheduler浅析
- - kouu's homeTaskScheduler，顾名思义，就是MapReduce中的任务调度器. 在MapReduce中，JobTracker接收JobClient提交的Job，将它们按InputFormat的划分以及其他相关配置，生成若干个Map和Reduce任务. 然后，当一个TaskTracker通过心跳告知JobTracker自己还有空闲的任务Slot时，JobTracker就会向其分派任务.