对hadoop作业跟踪器api的困惑

Question

我在试着从工作跟踪器那里收集一些信息。对于初学者，我想从获得正在运行的作业信息开始，如作业id或作业名称等，但已经卡住了，以下是我获得的（打印当前正在运行的作业的作业id）：

public static void main(String[] args) throws IOException {
        Configuration conf = HBaseConfiguration.create();
        conf.set("hbase.zookeeper.quorum", "zk1.myhost,zk2.myhost,zk3.myhost");
        conf.set("hbase.zookeeper.property.clientPort", "2181");

        InetSocketAddress jobtracker = new InetSocketAddress("jobtracker.mapredhost.myhost", 8021);
        JobClient jobClient = new JobClient(jobtracker, conf);
        JobStatus[] jobs = jobClient.jobsToComplete();

        for (int i = 0; i < jobs.length; i++) {
            JobStatus js = jobs[i];
            if (js.getRunState() == JobStatus.RUNNING) {
                JobID jobId = js.getJobID();
                System.out.println(jobId);
            }
        }
    }

当试图显示作业id时，上面的工作很有魅力，但现在我也想显示作业名称。所以我在打印作业id后添加了这一行：

System.out.println(jobClient.getJob(jobId).getJobName());

Exception in thread "main" java.lang.NullPointerException
    at org.apache.hadoop.mapred.JobClient$NetworkedJob.<init>(JobClient.java:226)
    at org.apache.hadoop.mapred.JobClient.getJob(JobClient.java:1080)
    at org.apache.test.JobTracker.main(JobTracker.java:28)

首先从jobClient获取runningjob，然后获取它的名称http://hadoop.apache.org/mapreduce/docs/r0.21.0/api/org/apache/hadoop/mapred/runningjob.html#getjobname（）

以前有人做过这样的事吗？我可以使用jsoup通过GET请求获得这些信息，但我认为这是获得这些信息的更好方法。

问题更新这里是我的Hadoop/HBase依赖项：

<dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>0.23.1-mr1-cdh4.0.0b2</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-core</artifactId>
            <version>0.23.1-mr1-cdh4.0.0b2</version>
            <exclusions>
                <exclusion>
                    <groupId>org.mortbay.jetty</groupId>
                    <artifactId>jetty</artifactId>
                </exclusion>
                <exclusion>
                    <groupId>javax.servlet</groupId>
                    <artifactId>servlet-api</artifactId>
                </exclusion>
            </exclusions>
        </dependency>
        <dependency>
            <groupId>org.apache.hbase</groupId>
            <artifactId>hbase</artifactId>
            <version>0.92.1-cdh4b2-SNAPSHOT</version>
        </dependency>

import java.io.IOException;
import java.net.InetSocketAddress;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.hbase.HBaseConfiguration;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobID;
import org.apache.hadoop.mapred.JobStatus;

以下是system.out.println(jobId)的输出：

job_201207031810_1603

当前只有一个作业在运行。

Answer 1

查看JobClient的内部类NetworkedJob。
（来源:/home/user/hadoop/src/mapred/org/apache/hadoop/mapred/jobclient.java)

它的构造函数试图从第225行的JobClient中获取Configuration对象，但它是空的，因为new JobClient(InetSocketAddress jobTrackAddr,Configuration conf)没有设置它：

// Set the completion poll interval from the configuration.
      // Default is 5 seconds.
      Configuration conf = JobClient.this.getConf();
      this.completionPollIntervalMillis = conf.getInt(COMPLETION_POLL_INTERVAL_KEY,
          DEFAULT_COMPLETION_POLL_INTERVAL); //NPE occurs here!

作为解决办法，在创建JobClient对象后手动设置它。这将解决您的问题：

..
JobClient jobClient = new JobClient(jobtracker, conf);
jobClient.setConf(conf); 
....

我通过以下方式实例化了配置对象：

Configuration conf = new Configuration();
conf.addResource(new Path("/path_to/core-site.xml"));
conf.addResource(new Path("/path_to/hdfs-site.xml"));