Hadoop Streaming-外部映射器脚本-未找到文件

Question

尝试使用Streaming在Hadoop上运行mapduce作业。我有两个ruby脚本wcmapper.rb和wcreducer.rb.我正尝试运行该作业，如下所示：

hadoop jar hadoop/contrib/streaming/hadoop-streaming-1.2.1.jar -file wcmapper.rb -mapper wcmapper.rb -file wcreducer.rb -reducer wcreducer.rb -input test.txt -output output

这将导致控制台出现以下错误消息：

13/11/26 12:54:07 INFO streaming.StreamJob:  map 0%  reduce 0%
13/11/26 12:54:36 INFO streaming.StreamJob:  map 100%  reduce 100%
13/11/26 12:54:36 INFO streaming.StreamJob: To kill this job, run:
13/11/26 12:54:36 INFO streaming.StreamJob: /home/paul/bin/hadoop-1.2.1/libexec/../bin/hadoop job  -Dmapred.job.tracker=localhost:9001 -kill job_201311261104_0009
13/11/26 12:54:36 INFO streaming.StreamJob: Tracking URL: http://localhost.localdomain:50030/jobdetails.jsp?jobid=job_201311261104_0009
13/11/26 12:54:36 ERROR streaming.StreamJob: Job not successful. Error: # of failed Map Tasks exceeded allowed limit. FailedCount: 1. LastFailedTask: task_201311261104_0009_m_000000
13/11/26 12:54:36 INFO streaming.StreamJob: killJob...
Streaming Command Failed!

查看任何任务的失败尝试可以看出：

java.io.IOException: Cannot run program "/var/lib/hadoop/mapred/local/taskTracker/paul/jobcache/job_201311261104_0010/attempt_201311261104_0010_m_000001_3/work/./wcmapper.rb": error=2, No such file or directory
    at java.lang.ProcessBuilder.start(ProcessBuilder.java:1042)

我知道hadoop需要复制map和减少器脚本以供所有节点使用，并相信这是-file参数的目的。然而，脚本似乎没有被复制到hadoop期望找到它们的位置。控制台指示它们正在打包我认为：

packageJobJar: [wcmapper.rb, wcreducer.rb, /var/lib/hadoop/hadoop-unjar3547645655567272034/] [] /tmp/streamjob3978604690657430710.jar tmpDir=null

我还尝试了以下方法：

hadoop jar hadoop/contrib/streaming/hadoop-streaming-1.2.1.jar -files wcmapper.rb,wcreducer.rb -mapper wcmapper.rb -reducer wcreducer.rb -input test.txt -output output

但这也会产生同样的错误。

有人能告诉我问题出在哪里吗？

或者去哪里更好地诊断问题？

非常感谢

保罗

Answer 1

抱歉，我找到了答案。

这些脚本已作为Packt“Hadoop初学者指南”的一部分下载

他们最初将shebang设置为：

#!/usr/bin/env ruby

但这已经为ruby本身生成了一个文件未找到错误。检查env的详细信息显示它使用了PATH变量来确定ruby的位置。ruby exe在 /usr/bin，这在PATH中。但是，我将此修改为：

#!/usr/bin/ruby

这修复了原始文件未找到的错误，但产生了上述问题中的错误。

我最终尝试在控制台上运行Ruby脚本，结果如下：

[paul@lt001 bin]$ ./wcmapper.rb 
bash: ./wcmapper.rb: /usr/bin/ruby^M: bad interpreter: No such file or directory

这似乎很奇怪，因为exe存在于显示的目录中。

然后我重新创建了脚本文件（通过在控制台输入它们。这解决了问题（脚本在控制台和hadoop中运行）。我的假设是文件本身的格式（可能是^M）有问题。

总之，解释器认为“文件未找到”错误甚至与任务日志中列出的文件是脚本文件本身有关。

希望这能帮助一些人。

P