hadoop - 如何列出活动的 DISTCP 作业？

Question

如何列出活动的 DISTCP 作业？

我正在两个集群之间运行 distcp 作业。 hadoop distcp hdfs://x/y /x/y

我想连续运行它，但需要确保现有distcp任务完成。

我在源集群和目标集群上都尝试了以下操作，但我看不到复制操作。 mapred job -list all

Answer 1

这基本上是Yarn api get applications by elapsedTime的变体。在您的情况下，您可以使用 RM Cluster Applications API 来获取所有应用程序（不幸的是它没有过滤name），然后过滤名称等于的应用程序distcp。下面展示了如何使用 jq 进行过滤：

$ curl 'RMURL/ws/v1/cluster/apps' | jq '.apps.app[] | select (.name == "distcp")'

对于您的情况，如果您只对活动作业感兴趣，您可以将states过滤器添加到 API 调用中。

$ curl 'RMURL/ws/v1/cluster/apps?states=NEW,NEW_SAVING,SUBMITTED,ACCEPTED,RUNNING' |\
    jq '.apps.app[] | select (.name == "distcp")'

http://hadoop.apache.org/docs/stable/hadoop-yarn/hadoop-yarn-site/ResourceManagerRest.html#Cluster_Applications_API