HadoopStudio中實現MapReduce應用
在學習Hadoop的過程中，你可能會遇到HadoopStudio中開發部署MapReduce應用問題，這里向大家介紹一下，希望通過本節的介紹，大家能夠掌握HadoopStudio下開發部署MapReduce應用的方法。
HadoopStudio開發部署MapReduce應用
HadoopStudio是基于Hadoop框架的MapReduce應用集成開發和部署環境。HadoopStudio以NetBeans模塊插件的方式使用，可在NetBeans插件中心獲取。開發者可以通過HadoopStudio的可視化界面，部署分布在不同節點的計算任務，并監控MapReduce處理過程中各階段的輸入、輸出以及交互過程。
針對MapReduce任務執行過程的各要素，HadoopStudio提供了HDFS、JobTracker以及Cluster節點的配置工具。使用HadoopStudio配置之前，需要預先在目標機器上部署Hadoop作業執行環境，在UbuntuLinux上的Hadoop配置過程，已有詳盡教程（單節點，多節點）可供參考。
在HadoopStudio中對作業節點配置，首先需要定義負責數據存儲的Filesystems節點，可選節點包含本地磁盤訪問、HDFS文件系統和AmazonS3連接三種方式。HDFS節點的配置，需要指定NameNode節點的地址、訪問端口和登錄用戶名，其中登錄用戶名為可選項。對于目前***的r0.20版本，Filesystems節點的端口配置由conf/hadoop-site.xml改為在conf/core-site.xml中設定。
在HadoopCluster配置部分，添加遠程計算節點對應的JobTracker，指定節點的地址，并在下拉列表中選擇之前添加的Filesystems節點，添加的節點則會出現在Hadoop可用節點的列表中。在主節點計算任務啟動之后，包含DataNode、TaskTracker、JobTracker、NameNode、SecondaryNameNode進程。對于數據處理，集群中結點由一個NameNode和若干DataNode組成，SecondaryNameNode為NameNode的備份。計算任務中，節點由一個JobTracker和若干TaskTracker組成，JobTracker負責任務調度，TaskTracker執行并行計算任務。TaskTracker須運行在DataNode上以獲取用于計算的數據。
對于已編寫的計算任務，HadoopStudio提供了簡化的作業部署流程。首先在HadoopJobs中添加生成好的jar包（如Hadoop自帶的Hadoop-*-examples.jar示例），之后選擇要執行的主類并添加依賴項，并選擇執行任務的目標Cluster節點和目標Filesystems后即可啟動計算任務。同時，HadoopStudio提供了實時顯示的MapReduce任務工作流視圖，可顯示任務執行過程中的作業類型、完成情況、執行狀態、起止時間、報錯信息以及輸出結果等內容。
Hadoop應用開發方面，HadoopStudio將Hadoop類庫進行打包，可直接在項目中添加所有依賴項。編碼過程中，HadoopStudio為每種作業的提供了模板，并能夠在代碼編輯的同時自動對模板視圖進行更新。
目前HadoopStudio支持Hadoop0.18.x版本的ClientAPI和Hadoop0.20.x的Client與Server的API，并且支持不同版本Hadoop的混合使用。但HadoopStudio目前的文檔比較簡單，感興趣的朋友可以在freshmeat.net的項目站點跟蹤HadoopStudio的***信息。
【編輯推薦】
