运行hadoop jar 报错java.lang.RuntimeException: java.lang.ClassNotFoundException: xxxxMapper及mapreduce执行

最近做hadoop集群试验，用的hadoop1.0.2，遇到这么个问题，将写好的jar包，放到linux上后，执行hadoop jar hadoopTest.jar test.XXXCount  input output 后，

运行时，会报下面的警告

WARN mapred.JobClient: No job jar file set. 

User classes may not be found. See JobConf(Class)or JobConf#setJar(String).
之后就会报错：
java.lang.RuntimeException: java.lang.ClassNotFoundException: xxxxMapper
虽然从网上查了很多，基本都是写需要在声明job时，加上 job.setJarByClass(WordCount.class);
但是我加上之后还是运行不对，之后看源码后才发现，有一个判断，是判断"jar".equals(url.getProtocol())但是，这个永远是在我debug后得知，url.getProtocol()永远是“file”，不是“jar”，原因我想可能是hadoop jar的流程（详见下面转的hadoop jar流程）中，这条命令，会将jar解压到/home/hadoop/hadoop-fs/dfs/temp/hadoop- unjarxxxxxx这样的目录下，所以程序执行时，通过class名称，根本找不到jar包。当然也可能是这个1.0.2的版本有bug，或者我使用的方法不对。

我现在的解决办法是在Configuration里加上配置，将需要用到的jar通过配置加进来： conf.set("mapred.jar", "/home/test/hadoopTest.jar");

还有几种方法，没有试，一个是在mapred-site.xml配置文件中加上property，另外一个就是在<<基于Hadoop实现通用的并行任务处理>>中提到项目依赖包可通过Hadoop的DistributedCache功能来保证分布运行。同样，我们也可以利用它将入口类所在的Jar包加入到DistributedCache中，同时避免设置mapred.jar选项（调用Job类的setJarByClass方法做到）。这样就少了两次copy的过程。

参考：【转】hadoop jar xxxx.jar的流程

搞清楚 hadoop jar xxxx.jar 执行的流程： jar文件是如何分发的

JobClient(不一定是hadoop集群的节点)利用bin/hadoop脚本运行jar包，以 hadoop-0.20.2-examples.jar为例子：
hadoop jar hadoop-0.20.2-examples.jar [class name]的实质是:
1.利用hadoop这个脚本 启动一个jvm进程;
2.jvm进程去 运行org.apache.hadoop.util.RunJar这个java类;
3.org.apache.hadoop.util.RunJar 解压hadoop-0.20.2-examples.jar 到hadoop.tmp.dir/hadoop-unjar*/目录下 ;
4.org.apache.hadoop.util.RunJar动态的 加载并运行Main-Class或指定的Class;
5.Main-Class或指定的Class中 设定Job的各项属性
6. 提交job到JobTracker上并监视运行情况。

注意：以上都是在jobClient上执行的。

运行jar文件的时候，jar会被解压到hadoop.tmp.dir/hadoop-unjar*/目录下（如：/home/hadoop/hadoop-fs/dfs/temp/hadoop- unjar693919842639653083, 注意：这个目录是JobClient的目录，不是JobTracker的目录）。解压后的文件为：
drwxr-xr-x 2 hadoop hadoop 4096 Jul 30 15:40 META-INF
drwxr-xr-x 3 hadoop hadoop 4096 Jul 30 15:40 org
有图有真相：


提交job的实质是：
生成${job-id}/job.xml文件到hdfs://${mapred.system.dir}/（比如hdfs://bcn152:9990/home/hadoop/hadoop-fs/dfs/temp/mapred/system/job_201007301137_0012/job.xml），job的描述包括 jar文件的路径， map|reduce类路径等等.
上传 ${job-id}/job.jar文件到hdfs://${mapred.system.dir}/（比如hdfs://bcn152:9990/home/hadoop/hadoop-fs/dfs/temp/mapred/system/job_201007301137_0012/job.jar）
有图有真相：


生成job之后，通过static JobClient.runJob()就会向jobTracker提交job:
JobClient jc = new JobClient(job);
RunningJob rj = jc.submitJob(job);
之后JobTracker就会调度此job，

提交job之后，使用下面的代码获取job的进度：
    try {
      if (!jc.monitorAndPrintJob(job, rj)) {
        throw new IOException("Job failed!");
      }
    } catch (InterruptedException ie) {
      Thread.currentThread().interrupt();
    }

顶

0