1

我正在编写一个 MapReduce 作业来分析 Web 日志。我的代码旨在将 IP 地址映射到地理位置，为此我使用 Maxmind Geo API（https://github.com/maxmind/geoip-api-java）。我的代码有一个 LookupService 方法，该方法需要带有 ip 到位置匹配的数据库文件。我正在尝试使用分布式缓存传递此数据库文件。我尝试以两种不同的方式做到这一点

情况1：

运行从 HDFS 传递文件的作业，但它总是抛出一个错误，说“未找到文件”

sudo -u hdfs hadoop jar \
 WebLogProcessing-0.0.1-SNAPSHOT-jar-with-dependencies.jar \
GeoLocationDatasetDriver /user/hdfs/input /user/hdfs/out_put \
/user/hdfs/GeoLiteCity.dat

或者

sudo -u hdfs hadoop jar \
WebLogProcessing-0.0.1-SNAPSHOT-jar-with-dependencies.jar \
GeoLocationDatasetDriver /user/hdfs/input /user/hdfs/out_put \
hdfs://sandbox.hortonworks.com:8020/user/hdfs/GeoLiteCity.dat

驱动程序类代码：

Configuration conf = getConf();
Job job = Job.getInstance(conf);
job.addCacheFile(new Path(args[2]).toUri());

映射器类代码：

public void setup(Context context) throws IOException
{
URI[] uriList = context.getCacheFiles();
Path database_path = new Path(uriList[0].toString());
LookupService cl = new LookupService(database_path.toString(),
            LookupService.GEOIP_MEMORY_CACHE | LookupService.GEOIP_CHECK_CACHE);
}

案例 2： 通过 -files 选项从本地文件系统传递文件来运行代码。错误： LookupService cl = new LookupService(database_path) 行中的空指针异常

sudo -u hdfs hadoop jar  \
WebLogProcessing-0.0.1-SNAPSHOT-jar-with-dependencies.jar \
com.prithvi.mapreduce.logprocessing.ipgeo.GeoLocationDatasetDriver \
-files /tmp/jobs/GeoLiteCity.dat /user/hdfs/input /user/hdfs/out_put \
GeoLiteCity.dat

驱动程序代码：

Configuration conf = getConf();
Job job = Job.getInstance(conf);
String dbfile = args[2];
conf.set("maxmind.geo.database.file", dbfile);

映射器代码：

public void setup(Context context) throws IOException
{
  Configuration conf = context.getConfiguration();
  String database_path = conf.get("maxmind.geo.database.file");
  LookupService cl = new LookupService(database_path,
            LookupService.GEOIP_MEMORY_CACHE | LookupService.GEOIP_CHECK_CACHE);
}

我在所有任务跟踪器中都需要这个数据库文件来完成这项工作。有人可以建议我这样做的正确方法吗？

4

1 回答 1

0

尝试这样做：

从驱动程序中使用Job对象指定 HDFS 中文件的位置：

job.addCacheFile(new URI("hdfs://localhot:8020/GeoLite2-City.mmdb#GeoLite2-City.mmdb"));

其中，#表示要由 hadoop 创建的别名（符号链接）

之后，您可以在方法中从 Mapper 访问该文件setup()：

@Override
protected void setup(Context context) {
  File file = new File("GeoLite2-City.mmdb");
}

这是一个例子：

于 2014-08-13T20:22:41.403 回答