Hadoop读取环境变量及setup函数

标签：start

setup 函数原码:（摘自《hadoop实战》）
*Called once at the start of the task.
protected void setup(Context context) throws IOException,InterruptedException{}

从注释可得知，setup函数在Task启动时就调用。
在MapReduce中作业会被组织成MapTask和ReduceTask。
每个Task都以Map类或Reduce类为处理方法主体，
输入分片为处理方法的输入，自己的分片处理完后Task就销毁了。
从这里看出，setup函数在task启动后数据处理前就调用一次
而覆盖的Map函数和Reduce函数会针对输入分片的每个Key调用一次，
所以setup函数可以看作Task上一个全局处理。
利用setup函数的特性，可以将Map或Reduce函数中的的重复处理放到setup函数中。
如老师给的Exercise_2中的"name"
但需要注意的是，调用setup函数只是对应的Task上全局操作，而不是整个作业的全局操作。

可以先用api把本地的文件传到hdfs中的 /user/hadoop/test 里去
//本地文件上传到HDFS上
public static void upload(String src,String dst) throws FileNotFoundException,IOException{  
  
  
    InputStream in = new BufferedInputStream(new FileInputStream(src));  
    //得到配置对象  
    Configuration conf = new Configuration();  
    //文件系统  
    FileSystem fs = FileSystem.get(URI.create(dst), conf);  
    //输出流  
    OutputStream out = fs.create(new Path(dst), new Progressable() {  

    public void progress() {  
        System.out.println("上传完一个设定缓存区大小容量的文件！");  
        }  
    });  
    //连接两个流，形成通道，使输入流向输出流传输数据  
    IOUtils.copyBytes(in, out, 4096,true);  
    }  
上传的时候调用这个函数就可以了
例如  
upload("/home/jack/test/test.txt","/user/hadoop/test/test");
前面的是本地目录中的文件，后面是hdfs中的文件
注意 必须两者都必须是“路径+文件名”  不能没有文件名

Configuration conf = new Configuration();

conf.setStrings("job_parms", "aaabbc"); //关键就是这一句
        Job job = new Job(conf, "load analysis");       
        job.setJarByClass(LoadAnalysis.class);
        job.setMapperClass(LoadMapper.class);
        job.setReducerClass(LoadIntoHbaseReduce.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(Text.class);
 
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

  @Override
        protected void setup(Context context)
                throws IOException, InterruptedException {
            try {
             
                //从全局配置获取配置参数
                Configuration conf = context.getConfiguration();
                String parmStr = conf.get("job_parms"); //这样就拿到了
               
               ......
               
            } catch (SQLException e) {
               
                e.printStackTrace();
            }
           
        }

全局文件：hadoop有distributed cache来保存全局文件，保证所有node都可以访问，使用类名为DistributedCache

Hadoop读取环境变量及setup函数

标签：start

原文地址：http://7090376.blog.51cto.com/7080376/1730216