Hadoop on Mac with IntelliJ IDEA - 1 解决input path does not exist问题

本文讲述使用IntelliJ IDEA时遇到Hadoop提示input path does not exist（输入路径不存在）的解决过程。

环境：Mac OS X 10.9.5, IntelliJ IDEA 13.1.4, Hadoop 1.2.1

Hadoop放在虚拟机中，宿主机通过SSH连接，IDE和数据文件在宿主机。

这是自学Hadoop的第三天。以前做过点.NET开发，Mac、IntelliJ IDEA、Hadoop、CentOS对我而言，相当陌生。第一份Hadoop代码就遇到了问题。

以下代码摘自《Hadoop In Action》第4章第1份代码。

public class MyJob extends Configured implements Tool {
    public static class MapClass extends MapReduceBase
            implements Mapper<Text, Text, Text, Text> {
        @Override
        public void map(Text key, Text value, OutputCollector<Text, Text> output, Reporter reporter)
                throws IOException {
            output.collect(value, key);
        }
    }


    public static class Reduce extends MapReduceBase
            implements Reducer<Text, Text, Text, Text> {
        @Override
        public void reduce(Text key, Iterator<Text> values, OutputCollector<Text, Text> output, Reporter reporter) throws IOException {
            String csv = "";
            while (values.hasNext()) {
                if (csv.length() > 0) {
                    csv += ", ";
                }
                csv += values.next().toString();
            }
            output.collect(key, new Text(csv));
        }
    }

    @Override
    public int run(String[] args) throws Exception {
        Configuration configuration = getConf();

        JobConf job = new JobConf(configuration, MyJob.class);

        Path in = new Path(args[0]);
        Path out = new Path(args[1]);

        FileInputFormat.setInputPaths(job, in);
        FileOutputFormat.setOutputPath(job, out);

        job.setJobName("MyJob");
        job.setMapperClass(MapClass.class);
        job.setReducerClass(Reduce.class);

        job.setInputFormat(KeyValueTextInputFormat.class);
        job.setOutputFormat(TextOutputFormat.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.set("key.value.separator.in.input.line", ",");

        JobClient.runJob(job);

        return 0;
    }

    public static void main(String[] args) {
        try {
            int res = ToolRunner.run(new Configuration(), new MyJob(), args);
            System.exit(res);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }
}

主函数做了异常处理，其余和原书一致。

直接在IDEA中执行代码，数据文件目录和书上不同，故命令行参数和原书略有差别，如下：

/Users/michael/Desktop/Hadoop/HadoopInAction/cite75_99.txt output

IDEA的配置如图

数据文件路径如图

以上配置无拼写错误。然后，我很高兴地按下'Run MyJob.main()' ，准备等结果，继续跟着书走。

悲剧了，IDEA输出input path does not exist。输入路径是/Users/michael/IdeaProjects/Hadoop/Users/michael/Desktop/Hadoop/HadoopInAction/cite75_99.txt，这不是Working directory拼上我给的第一个参数么，怎么回事。

整份代码，就run方法中用了Path，应该是这边的问题。

在FileOutputFormat.setOutputPath(job, out);后面加上System.out.println(FileInputFormat.getInputPaths(job)[0].toUri());发现输入路径真的被合并到工作路径下了。怪不得报错呢（StackOverflow中有人说是我的数据文件没提交到Hadoop才会报这个错误）。

 现在，可以判断问题是FileInputFormat.setInputPaths(job, in);导致的。进源码看看它是怎么工作的。

  /**
   * Set the array of {@link Path}s as the list of inputs
   * for the map-reduce job.
   * 
   * @param conf Configuration of the job. 
   * @param inputPaths the {@link Path}s of the input directories/files 
   * for the map-reduce job.
   */ 
  public static void setInputPaths(JobConf conf, Path... inputPaths) {
    Path path = new Path(conf.getWorkingDirectory(), inputPaths[0]);
    StringBuffer str = new StringBuffer(StringUtils.escapeString(path.toString()));
    for(int i = 1; i < inputPaths.length;i++) {
      str.append(StringUtils.COMMA_STR);
      path = new Path(conf.getWorkingDirectory(), inputPaths[i]);
      str.append(StringUtils.escapeString(path.toString()));
    }
    conf.set("mapred.input.dir", str.toString());
  }

可以看到，源码第一句就是合并conf和inputPaths。 既然合并了工作路径，那就把它去掉好了。

在FileInputFormat.setInputPaths(job, in);前保存合并前结果

　　Path workingDirectoryBak = job.getWorkingDirectory();

再设置为根目录

　　job.setWorkingDirectory(new Path("/"));

然后在它后面设置回来

　　job.setWorkingDirectory(workingDirectoryBak);

加上输出，确认操作结果

　　System.out.println(FileInputFormat.getInputPaths(job)[0].toUri());

新代码如下，mac下的输入法不好用，直接中式英语写注释

public int run(String[] args) throws Exception {
        Configuration configuration = getConf();

        JobConf job = new JobConf(configuration, MyJob.class);

        Path in = new Path(args[0]);
        Path out = new Path(args[1]);

        // backup current directory, namely /Users/michael/IdeaProjects/Hadoop where source located
        Path workingDirectoryBak = job.getWorkingDirectory();
        // set to root dir
        job.setWorkingDirectory(new Path("/"));
        // let it combine root and input path
        FileInputFormat.setInputPaths(job, in);
        // set it back
        job.setWorkingDirectory(workingDirectoryBak);
        // print to confirm
        System.out.println(FileInputFormat.getInputPaths(job)[0].toUri());
        
        FileOutputFormat.setOutputPath(job, out);

        job.setJobName("MyJob");
        job.setMapperClass(MapClass.class);
        job.setReducerClass(Reduce.class);

        job.setInputFormat(KeyValueTextInputFormat.class);
        job.setOutputFormat(TextOutputFormat.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(Text.class);
        job.set("key.value.separator.in.input.line", ",");

        JobClient.runJob(job);

        return 0;
    }

再试一次，正常，将近1分钟执行完，配置差就是这样。