python - Hadoop作业描述

Question

我有一个 Hadoop 集群，不同的进程能够向这个集群提交 mapreduce 作业（它们都使用相同的用户帐户）。

有没有办法区分这些工作？某种描述，可以在提交期间添加到作业中，例如“这是进程“1234”的作业，请勿触摸”？

我正在使用 Python 和 HadoopStreaming，并且想使用简单hadoop job -list（或至少使用 Web 管理界面）来区分作业。

Answer 1

是的，您可以使用 为每个作业指定一个名称job.setJobName(String)。

如果您要将作业名称设置为可区分的名称，您应该能够将它们区分开来。

例如，通过使用类似的东西，ManagementFactory.getRuntimeMXBean().getName()您可以获得进程 id 和机器名称（无论如何在 linux 上，不确定在其他操作系统上的行为）格式为，进程 id1234@localhost在哪里，您可以将其设置为作业名称来告诉1234他们分开。

Answer 2

对于交叉兼容的解决方案，您始终可以使用mapred.job.name来指定您的工作名称，这样您hadoop job -list以后可以轻松区分所有内容。

在 Hadoop 流的情况下，这应该看起来像这样：

hadoop jar $HADOOP_STREAMING_JAR -Dmapred.job.name='something' -mapper mapper.py -reducer reducer.py -input /path/to/input -output /path/to/output