Hadoop应用引用第三方jar的几种方式（二）

    接着上一篇《Hadoop应用引用第三方jar的几种方式（一）》继续写。。。。。。。

    简单来说，Hadoop引入第三方jar包有以下几种方式：

• • 一、把引用到的所有的第三方jar包打到一个jar包内，形成一个超大包，像上一篇文章中提到的第二种引入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目录下，需要Hadoop集群中的每个节点都要放；

  • 三、把jar包放在集群中固定的一台机器上，使用libjars命令加载第三方jar；

  • 四、把jar包放在HDFS上，动态加载第三方jar包。

    接下来对这几种方式的优缺点，说一下我个人的见解：

    一、把引用到的所有的第三方jar包打到一个jar包内

    优点：在hadoop集群上可以直接运行，运行命令也是比较简单；

    缺点：把所以的jar包放在一起，文件过大，考虑到加入升级版本的话，引用的第三方jar文件一般不会发生变化，这种打包方式每次都要把第三方jar文件打包在一起上传。

    这种打包方式在上一篇文章中《Hadoop应用引用第三方jar的几种方式（一）》已经进行了演示和说明，个人不太建议这种方式。

    二、把引用到的所有的第三方jar包放到Hadoop的lib目录下

    优点：在hadoop集群上可以直接运行，运行命令也是比较简单；

    缺点：集群中的每个节点下都需要放置第三方jar，缺一不可，不够灵活，当版本升级的时候，需要对每一台机器上的jar包进行维护，不太容易进行维护。

    对于这种方式，我没有进行实验，理论上来说是可行的，个人不太建议这种方式。

    三、把jar包放在集群中固定的一台机器上，使用libjars命令加载第三方jar

    优点：只需要维护hadoop集群中的一台机器上的lib库，易于系统的维护；

    缺点：只能在存放jar的机器上去执行hadoop jar 命令执行程序，且执行命令较复杂；

    个人对这种方式还可以接受，不过并不是我最喜欢的方式。

    在这里，我进行了测试，WordCount的代码不变，打成WordCount_libjarscmd.jar，注意在打包的过程中不要选择lib中的jar文件，然后把OperateHDFS.jar放到集群中的一台机器上面，执行的命令如下所示：

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

    该命令的格式如下：

hadoop jar 要执行的jar 要执行的Class -libjars 第三方jar的目录 最后是程序要求的输入输出参数

    程序的执行结果是ok，可以执行，没有问题，结果如下所示：

    四、把jar包放在HDFS上，动态加载第三方jar包

    优点：程序可以方便的在集群上的任何一个节点运行，且执行命令的机器没有限制；

    缺点：需要在程序中编写代码添加第三方jar，如果存放lib的目录发生了变化，那就只能改代码了。。。。

    个人比较喜欢这种方式，毕竟存放lib的目录一般不会发生变化，我是这么认为的，(*^__^*) 嘻嘻……

    在这里，我对这种方式进行了测试，需要先把OperateHDFS.jar存放在HDFS上面，然后对WordCount稍作修改，增加动态的添加第三方jar的代码块，然后打成jar包WordCount_dynamicload.jar，注意在打包的过程中不要选择lib中的jar文件，执行的命令如下所示：

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

    程序的执行结果是ok，可以执行，没有问题，结果如下所示：

    下面把WordCount源代码贴出来：

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，就是为了测试引入第三方jar的，如果找不到，肯定就会报ClassNotFound异常
            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);
        
        /**
         * 其实我是做过测试的，把这个目录写成本地目录也可以的，
         * 就是第三种方式，不使用libjars命令加载，而是采用程序动态加载
         * 但是这样的话，就只能在固定的机器上执行命令，运行程序了，和第三种方式一样
         */
        //只有做第四种方式的时候，才需要把它打开，前三种方式，需要把它注释掉
        //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); 
    }
}