如何记录hadoop mapreduce运行日志

Posted 2023-05-18

　　hadoop的日志主要是MapReduce程序，运行过程中，产生的一些数据日志，除了系统的日志外，还包含一些自己在测试时候，或者线上环境输出的日志，这部分日志通常会被放在userlogs这个文件夹下面，可以在mapred-site.xml里面配置运行日志的输出目录，测试文件内容如下:

　　<?xml version="1.0"?>
　　<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

　　<!-- Put site-specific property overrides in this file. -->

　　<configuration>
　　<!-- jobtracker的master地址-->
　　<property>
　　<name>mapred.job.tracker</name>
　　<value>192.168.75.130:9001</value>
　　</property>
　　<property>
　　<!-- hadoop的日志输出指定目录-->
　　<name>mapred.local.dir</name>
　　<value>/root/hadoop1.2/mylogs</value>
　　</property>
　　</configuration>
　　配置好，日志目录后，我们就可以把这个配置文件，分发到各个节点上，然后启动hadoop。
　　下面我们看来下在eclipse环境中如何调试，散仙在setup，map和reduce方法中，分别使用System打印了一些数据，当我们使用local方式跑MR程序时候，日志并不会被记录下来，而是直接会在控制台打印，散仙的测试代码如下：
　　package com.qin.testdistributed;

　　import java.io.File;
　　import java.io.FileReader;
　　import java.io.IOException;
　　import java.net.URI;
　　import java.util.Scanner;

　　import org.apache.hadoop.conf.Configuration;
　　import org.apache.hadoop.filecache.DistributedCache;
　　import org.apache.hadoop.fs.FSDataInputStream;
　　import org.apache.hadoop.fs.FileSystem;
　　import org.apache.hadoop.fs.Path;
　　import org.apache.hadoop.io.IntWritable;
　　import org.apache.hadoop.io.LongWritable;
　　import org.apache.hadoop.io.Text;
　　import org.apache.hadoop.mapred.JobConf;
　　import org.apache.hadoop.mapreduce.Job;
　　import org.apache.hadoop.mapreduce.Mapper;
　　import org.apache.hadoop.mapreduce.Reducer;
　　import org.apache.hadoop.mapreduce.lib.db.DBConfiguration;
　　import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
　　import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
　　import org.apache.log4j.pattern.LogEvent;
　　
　　import org.slf4j.Logger;
　　import org.slf4j.LoggerFactory;

　　import com.qin.operadb.WriteMapDB;
　　

　　/**
　　* 测试hadoop的全局共享文件
　　* 使用DistributedCached
　　*
　　* 大数据技术交流群： 37693216
　　* @author qindongliang
　　*
　　* ***/
　　public class TestDistributed 
　　
　　
　　private static Logger logger=LoggerFactory.getLogger(TestDistributed.class);
　　
　　
　　
　　
　　
　　private static class FileMapper extends Mapper<LongWritable, Text, Text, IntWritable>
　　
　　Path path[]=null;
　　
　　/**
　　* Map函数前调用
　　*
　　* */
　　@Override
　　protected void setup(Context context)
　　throws IOException, InterruptedException 
　　logger.info("开始启动setup了哈哈哈哈");
　　// System.out.println("运行了.........");
　　Configuration conf=context.getConfiguration();
　　path=DistributedCache.getLocalCacheFiles(conf);
　　System.out.println("获取的路径是：  "+path[0].toString());
　　//  FileSystem fs = FileSystem.get(conf);
　　FileSystem fsopen= FileSystem.getLocal(conf);
　　// FSDataInputStream in = fsopen.open(path[0]);
　　// System.out.println(in.readLine());
　　//       for(Path tmpRefPath : path) 
　　//           if(tmpRefPath.toString().indexOf("ref.png") != -1) 
　　//               in = reffs.open(tmpRefPath);
　　//               break;
　　//           
　　//       
　　
　　// FileReader reader=new FileReader("file://"+path[0].toString());
　　//      File f=new File("file://"+path[0].toString());
　　// FSDataInputStream in=fs.open(new Path(path[0].toString()));
　　//     Scanner scan=new Scanner(in);
　　//       while(scan.hasNext())
　　//       System.out.println(Thread.currentThread().getName()+"扫描的内容:  "+scan.next());
　　//       
　　//       scan.close();
　　//
　　// System.out.println("size: "+path.length);
　　
　　
　　
　　
　　
　　@Override
　　protected void map(LongWritable key, Text value,Context context)
　　throws IOException, InterruptedException 
　　
　　// System.out.println("map    aaa");
　　//logger.info("Map里的任务");
　　System.out.println("map里输出了");
　　// logger.info();
　　context.write(new Text(""), new IntWritable(0));

　　
　　
　　
　　
　　@Override
　　protected void cleanup(Context context)
　　throws IOException, InterruptedException 
　　
　　
　　logger.info("清空任务了。。。。。。");
　　
　　
　　
　　
　　
　　private static class  FileReduce extends Reducer<Object, Object, Object, Object>
　　
　　
　　@Override
　　protected void reduce(Object arg0, Iterable<Object> arg1,
　　Context arg2)throws IOException, InterruptedException 
　　
　　
　　System.out.println("我是reduce里面的东西");
　　
　　
　　
　　
　　
　　public static void main(String[] args)throws Exception 
　　
　　
　　JobConf conf=new JobConf(TestDistributed.class);
　　//conf.set("mapred.local.dir", "/root/hadoop");
　　//Configuration conf=new Configuration();
　　
　　// conf.set("mapred.job.tracker","192.168.75.130:9001");
　　//读取person中的数据字段
　　//conf.setJar("tt.jar");
　　
　　//注意这行代码放在最前面，进行初始化，否则会报
　　String inputPath="hdfs://192.168.75.130:9000/root/input";
　　String outputPath="hdfs://192.168.75.130:9000/root/outputsort";
　　
　　Job job=new Job(conf, "a");
　　DistributedCache.addCacheFile(new URI("hdfs://192.168.75.130:9000/root/input/f1.txt"), job.getConfiguration());
　　job.setJarByClass(TestDistributed.class);
　　System.out.println("运行模式：  "+conf.get("mapred.job.tracker"));
　　/**设置输出表的的信息  第一个参数是job任务，第二个参数是表名，第三个参数字段项**/
　　FileSystem fs=FileSystem.get(job.getConfiguration());
　　
　　Path pout=new Path(outputPath);
　　if(fs.exists(pout))
　　fs.delete(pout, true);
　　System.out.println("存在此路径, 已经删除......");
　　
　　/**设置Map类**/
　　// job.setOutputKeyClass(Text.class);
　　//job.setOutputKeyClass(IntWritable.class);
　　job.setMapOutputKeyClass(Text.class);
　　job.setMapOutputValueClass(IntWritable.class);
　　job.setMapperClass(FileMapper.class);
　　job.setReducerClass(FileReduce.class);
　　FileInputFormat.setInputPaths(job, new Path(inputPath));  //输入路径
　　FileOutputFormat.setOutputPath(job, new Path(outputPath));//输出路径
　　
　　System.exit(job.waitForCompletion(true) ? 0 : 1);
　　
　　
　　
　　
　　
　　
　　

　　 参考技术A namenode和datanode的logs目录下会记录的，包括错误的信息等 参考技术B 在master和slaves机器的logs目录下。本回答被提问者采纳

如何在Windows下面运行hadoop的MapReduce程序

参考技术A 要在Windows运行MapReduce,你首先需要编译Windows版的Hadoop的应用程序。然后把官网下载的Hadoop目录下面的bin目录替换成Windows下编译的Hadoop的