Hadoop應用引用第三方jar的幾種方式（二）

    接著上一篇《Hadoop應用引用第三方jar的幾種方式（一）》繼續寫。。。。。。。

    簡單來說，Hadoop引入第三方jar包有以下幾種方式：

• • 一、把引用到的所有的第三方jar包打到一個jar包內，形成一個超大包，像上一篇文章中提到的第二種引入jar之后打包的方式；

  • 二、把引用到的所有的第三方jar包放到Hadoop的lib目錄下，需要Hadoop集群中的每個節點都要放；

  • 三、把jar包放在集群中固定的一臺機器上，使用libjars命令加載第三方jar；

  • 四、把jar包放在HDFS上，動態加載第三方jar包。
    

    接下來對這幾種方式的優缺點，說一下我個人的見解：

    一、把引用到的所有的第三方jar包打到一個jar包內

    優點：在hadoop集群上可以直接運行，運行命令也是比較簡單；

    缺點：把所以的jar包放在一起，文件過大，考慮到加入升級版本的話，引用的第三方jar文件一般不會發生變化，這種打包方式每次都要把第三方jar文件打包在一起上傳。

    這種打包方式在上一篇文章中《Hadoop應用引用第三方jar的幾種方式（一）》已經進行了演示和說明，個人不太建議這種方式。

    二、把引用到的所有的第三方jar包放到Hadoop的lib目錄下

    優點：在hadoop集群上可以直接運行，運行命令也是比較簡單；

    缺點：集群中的每個節點下都需要放置第三方jar，缺一不可，不夠靈活，當版本升級的時候，需要對每一臺機器上的jar包進行維護，不太容易進行維護。

    對于這種方式，我沒有進行實驗，理論上來說是可行的，個人不太建議這種方式。

    三、把jar包放在集群中固定的一臺機器上，使用libjars命令加載第三方jar

    優點：只需要維護hadoop集群中的一臺機器上的lib庫，易于系統的維護；

    缺點：只能在存放jar的機器上去執行hadoop jar 命令執行程序，且執行命令較復雜；

    個人對這種方式還可以接受，不過并不是我最喜歡的方式。

    在這里，我進行了測試，WordCount的代碼不變，打成WordCount_libjarscmd.jar，注意在打包的過程中不要選擇lib中的jar文件，然后把OperateHDFS.jar放到集群中的一臺機器上面，執行的命令如下所示：

hadoop jar WordCount_libjarscmd.jar com.hadoop.examples.WordCount -libjars OperateHDFS.jar input libjarscmdoutput

    該命令的格式如下：

hadoop jar 要執行的jar 要執行的Class -libjars 第三方jar的目錄 最后是程序要求的輸入輸出參數

    程序的執行結果是ok，可以執行，沒有問題，結果如下所示：

    四、把jar包放在HDFS上，動態加載第三方jar包

    優點：程序可以方便的在集群上的任何一個節點運行，且執行命令的機器沒有限制；

    缺點：需要在程序中編寫代碼添加第三方jar，如果存放lib的目錄發生了變化，那就只能改代碼了。。。。

    個人比較喜歡這種方式，畢竟存放lib的目錄一般不會發生變化，我是這么認為的，(*^__^*) 嘻嘻……

    在這里，我對這種方式進行了測試，需要先把OperateHDFS.jar存放在HDFS上面，然后對WordCount稍作修改，增加動態的添加第三方jar的代碼塊，然后打成jar包WordCount_dynamicload.jar，注意在打包的過程中不要選擇lib中的jar文件，執行的命令如下所示：

hadoop jar WordCount_dynamicload.jar com.hadoop.examples.WordCount input dynamicload

    程序的執行結果是ok，可以執行，沒有問題，結果如下所示：

    下面把WordCount源代碼貼出來：

package com.hadoop.examples;
import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
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.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

import com.hadoop.hdfs.OperateHDFS;

public class WordCount {

    public static class TokenizerMapper extends
            Mapper<Object, Text, Text, IntWritable> {

        private final static IntWritable one = new IntWritable(1);

        private Text word = new Text();

        public void map(Object key, Text value, Context context)
                throws IOException, InterruptedException {
            
            //它什么都不做，就是為了測試引入第三方jar的，如果找不到，肯定就會報ClassNotFound異常
            OperateHDFS s = new OperateHDFS();
            
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }

    public static class IntSumReducer 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 sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        
        String[] otherArgs =
                new GenericOptionsParser(conf, args).getRemainingArgs();
        if (otherArgs.length < 2) {
            System.err.println("Usage: wordcount <in> [<in>...] <out>");
            System.exit(2);
        }
        Job job = new Job(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        
        /**
         * 其實我是做過測試的，把這個目錄寫成本地目錄也可以的，
         * 就是第三種方式，不使用libjars命令加載，而是采用程序動態加載
         * 但是這樣的話，就只能在固定的機器上執行命令，運行程序了，和第三種方式一樣
         */
        //只有做第四種方式的時候，才需要把它打開，前三種方式，需要把它注釋掉
        //job.addFileToClassPath(new Path("hdfs://192.168.3.57:8020/user/lxy/lib/OperateHDFS.jar"));
        for (int i = 0; i < otherArgs.length - 1; ++i) {
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
        FileOutputFormat.setOutputPath(job, new Path(
                otherArgs[otherArgs.length - 1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1); 
    }
}