Sdílet prostřednictvím


Spouštění úloh MapReduce s Apache Hadoopem ve službě HDInsight pomocí PowerShellu

Tento dokument obsahuje příklad použití Azure PowerShellu ke spuštění úlohy MapReduce v clusteru Hadoop v clusteru HDInsight.

Požadavky

Spuštění úlohy MapReduce

Azure PowerShell poskytuje rutiny , které umožňují vzdáleně spouštět úlohy MapReduce ve službě HDInsight. PowerShell interně volá REST webHCat (dříve Templeton) spuštěný v clusteru HDInsight.

Následující rutiny používané při spouštění úloh MapReduce ve vzdáleném clusteru HDInsight.

Rutina Popis
Connect-AzAccount Ověřuje Azure PowerShell pro vaše předplatné Azure.
New-AzHDInsightMapReduceJobDefinition Vytvoří novou definici úlohy pomocí zadaných informací MapReduce.
Start-AzHDInsightJob Odešle definici úlohy do SLUŽBY HDInsight a spustí úlohu. Vrátí se objekt úlohy .
Wait-AzHDInsightJob Pomocí objektu úlohy zkontroluje stav úlohy. Čeká, až se úloha dokončí nebo se překročí doba čekání.
Get-AzHDInsightJobOutput Slouží k načtení výstupu úlohy.

Následující kroky ukazují, jak pomocí těchto rutin spustit úlohu v clusteru HDInsight.

  1. Pomocí editoru uložte následující kód jako mapreducejob.ps1.

    # Login to your Azure subscription
    $context = Get-AzContext
    if ($context -eq $null) 
    {
        Connect-AzAccount
    }
    $context
    
    # Get cluster info
    $clusterName = Read-Host -Prompt "Enter the HDInsight cluster name"
    $creds=Get-Credential -Message "Enter the login for the cluster"
    
    #Get the cluster info so we can get the resource group, storage, etc.
    $clusterInfo = Get-AzHDInsightCluster -ClusterName $clusterName
    $resourceGroup = $clusterInfo.ResourceGroup
    $storageAccountName=$clusterInfo.DefaultStorageAccount.split('.')[0]
    $container=$clusterInfo.DefaultStorageContainer
    #NOTE: This assumes that the storage account is in the same resource
    #      group as the cluster. If it is not, change the
    #      --ResourceGroupName parameter to the group that contains storage.
    $storageAccountKey=(Get-AzStorageAccountKey `
        -Name $storageAccountName `
    -ResourceGroupName $resourceGroup)[0].Value
    
    #Create a storage context
    $context = New-AzStorageContext `
        -StorageAccountName $storageAccountName `
        -StorageAccountKey $storageAccountKey
    
    #Define the MapReduce job
    #NOTE: If using an HDInsight 2.0 cluster, use hadoop-examples.jar instead.
    # -JarFile = the JAR containing the MapReduce application
    # -ClassName = the class of the application
    # -Arguments = The input file, and the output directory
    $wordCountJobDefinition = New-AzHDInsightMapReduceJobDefinition `
        -JarFile "/example/jars/hadoop-mapreduce-examples.jar" `
        -ClassName "wordcount" `
        -Arguments `
            "/example/data/gutenberg/davinci.txt", `
            "/example/data/WordCountOutput"
    
    #Submit the job to the cluster
    Write-Host "Start the MapReduce job..." -ForegroundColor Green
    $wordCountJob = Start-AzHDInsightJob `
        -ClusterName $clusterName `
        -JobDefinition $wordCountJobDefinition `
        -HttpCredential $creds
    
    #Wait for the job to complete
    Write-Host "Wait for the job to complete..." -ForegroundColor Green
    Wait-AzHDInsightJob `
        -ClusterName $clusterName `
        -JobId $wordCountJob.JobId `
        -HttpCredential $creds
    # Download the output
    Get-AzStorageBlobContent `
        -Blob 'example/data/WordCountOutput/part-r-00000' `
        -Container $container `
        -Destination output.txt `
        -Context $context
    # Print the output of the job.
    Get-AzHDInsightJobOutput `
        -Clustername $clusterName `
        -JobId $wordCountJob.JobId `
        -HttpCredential $creds
    
  2. Otevřete nový příkazový řádek Azure PowerShellu . Změňte adresáře na umístění souboru mapreducejob.ps1 a pak pomocí následujícího příkazu spusťte skript:

    .\mapreducejob.ps1
    

    Při spuštění skriptu se zobrazí výzva k zadání názvu clusteru HDInsight a přihlášení ke clusteru. Může se také zobrazit výzva k ověření ve vašem předplatném Azure.

  3. Po dokončení úlohy se zobrazí výstup podobný následujícímu textu:

    Cluster         : CLUSTERNAME
    ExitCode        : 0
    Name            : wordcount
    PercentComplete : map 100% reduce 100%
    Query           :
    State           : Completed
    StatusDirectory : f1ed2028-afe8-402f-a24b-13cc17858097
    SubmissionTime  : 12/5/2014 8:34:09 PM
    JobId           : job_1415949758166_0071
    

    Tento výstup označuje, že úloha byla úspěšně dokončena.

    Poznámka:

    Pokud je ukončovací kód jinou hodnotou než 0, přečtěte si téma Řešení potíží.

    Tento příklad také ukládá stažené soubory do souboru output.txt v adresáři, ze kterého skript spustíte.

Zobrazit výstup

Pokud chcete zobrazit slova a počty vytvořené úlohou, otevřete soubor output.txt v textovém editoru.

Poznámka:

Výstupní soubory úlohy MapReduce jsou neměnné. Pokud tedy ukázku spustíte znovu, musíte změnit název výstupního souboru.

Řešení problému

Pokud se po dokončení úlohy nevrátí žádné informace, zobrazte chyby úlohy. Chcete-li zobrazit informace o chybě pro tuto úlohu, přidejte na konec souboru mapreducejob.ps1 následující příkaz. Pak soubor uložte a spusťte skript znovu.

# Print the output of the WordCount job.
Write-Host "Display the standard output ..." -ForegroundColor Green
Get-AzHDInsightJobOutput `
        -Clustername $clusterName `
        -JobId $wordCountJob.JobId `
        -HttpCredential $creds `
        -DisplayOutputType StandardError

Tato rutina vrátí informace, které byly zapsány do STDERR při spuštění úlohy.

Další kroky

Jak vidíte, Azure PowerShell nabízí snadný způsob spouštění úloh MapReduce v clusteru HDInsight, monitorování stavu úlohy a načtení výstupu. Informace o dalších způsobech práce se systémem Hadoop ve službě HDInsight: