运行HadoopStream作业
Hadoop Streaming是Apache Hadoop提供的一种编程接口，允许用户使用任何可执行程序（如Python、Shell脚本）作为Map和Reduce函数，而非传统的Java语言。通过标准输入输出（STDIN/STDOUT）进行数据交换，Hadoop Streaming使开发者能够快速利用已有脚本语言编写分布式计算作业，尤其适合快速原型开发和跨语言集成。
用户可将自己开发的程序提交到MRS中，执行程序并获取结果，本章节指导您如何在MRS集群中提交一个HadoopStream作业。
用户可以在MRS管理控制台在线创建一个作业并提交运行，也可以通过MRS集群客户端来以命令行形式提交作业。
前提条件
- 用户已经将作业所需的程序包和数据文件上传至OBS或HDFS文件系统中。
- 如果作业程序需要读取以及分析OBS文件系统中的数据，需要先配置MRS集群的存算分离，请参考配置MRS集群存算分离。
约束与限制
- 当IAM用户的用户组的所属策略从MRS ReadOnlyAccess向MRS CommonOperations、MRS FullAccess、MRS Administrator变化时，或者反之从MRS CommonOperations、MRS FullAccess、MRS Administrator向MRS ReadOnlyAccess变化时，由于集群节点的SSSD（System Security Services Daemon）缓存刷新需要时间，因此用户同步完成后，请等待5分钟，待新策略生效之后，再到MRS管理控制台在线提交作业，否则会出现提交作业失败的情况。
- 当前IAM用户名中存在空格时（例如admin 01），不支持通过MRS管理控制台添加作业。
- 准备应用程序及数据。
在本章节中，以提交一个文本统计应用为例进行介绍，该样例程序可以从MRS集群客户端中获取（“客户端安装目录/HDFS/hadoop/share/hadoop/tools/lib/hadoop-streaming-XXX.jar”）。
该应用运行时，需要的输入参数如下：
- 登录MRS管理控制台。
- 选择“现有集群”，选中一个运行中的集群并单击集群名称，进入集群概览信息页面。
- 在“概览”页签中，单击“IAM用户同步”右侧的“同步”进行IAM用户同步。
集群开启Kerberos认证时需执行该步骤，若集群未开启Kerberos认证，无需执行本步骤。
IAM用户同步完成后，请等待5分钟，再进行提交作业，更多IAM用户同步说明请参考IAM用户同步MRS集群说明。
- 单击“作业管理”，在作业列表界面单击“添加”。
- “作业类型”选择“HadoopStreaming”，参考表1配置作业信息。
表1 作业配置信息 参数
描述
示例
作业名称
作业名称，只能由字母、数字、中划线和下划线组成，并且长度为1～64个字符。
hadoop_job
运行程序参数
可选参数，为本次执行的作业配置相关优化参数（例如线程、内存、CPU核数等），用于优化资源使用效率，提升作业的执行性能。
常用运行程序参数如表2。
-
执行程序参数
可选参数，程序执行的关键参数，该参数由用户程序内的函数指定，MRS只负责参数的传入。
多个参数间使用空格隔开，最多为150000字符，不能包含;|&><'$特殊字符，可为空。
注意：用户输入带有敏感信息（如登录密码）的参数时，可通过在参数名前添加“@”的方式为该参数值加密，以防止敏感信息被明文形式持久化。
在MRS管理控制台查看作业信息时，敏感信息会显示为“*”。
例如：username=testuser @password=用户密码
-input obs://mrs-demotest/input/data1.txt -output obs://mrs-demotest/output/demo2 -mapper "cat" -reducer "wc -l"
服务配置参数
可选参数，用于为本次执行的作业修改服务配置参数。
该参数的修改仅适用于本次执行的作业，如需对集群永久生效，请参考修改MRS集群组件配置参数进行集群组件配置参数的修改。
例如在MRS集群未配置存算分离的场景下，作业需要通过AK/SK方式访问OBS，可增加以下服务配置参数：
- fs.obs.access.key：访问OBS的密钥ID。
- fs.obs.secret.key：访问OBS与密钥ID对应的密钥。
-
命令参考
用于展示提交作业时提交到后台执行的命令。
N/A
表2 运行程序参数 参数
参数说明
取值样例
-ytm
设置每个TaskManager容器的内存（单位可选，默认单位：MB）。
1024
-yjm
设置JobManager容器内存（单位可选，默认单位：MB）。
1024
-yn
设置分配给应用程序的Yarn容器的数量，该值与TaskManager数量相同。
MRS 3.x及之后版本，运行程序参数不支持“-yn”。
2
-ys
设置TaskManager的核数。
2
-ynm
自定义Yarn上应用程序名称。
test
-c
设置程序入口点的类（如“main”或“getPlan()”方法）。该参数仅在JAR文件未指定其清单的类时需要。
com.bigdata.mrs.test
- 确认作业配置信息，单击“确定”，完成作业的新增。
- 作业提交成功中，可在作业列表中查看作业运行状态及执行结果，等待作业状态变为“已完成”，可查看相关程序分析结果。
本示例程序中，在指定的OBS输出目录下，可查看到对应的数据统计结果。
图1 查看作业执行结果
作业执行过程中，可选择“查看日志”或者“更多 > 查看详情”，查看程序的详细执行情况，如果作业执行异常或者失败，可根据报错信息进一步定位原因。
作业添加成功后，不支持进行编辑修改，如果需要再次执行作业，可选择“克隆”快速复制一个已创建的作业并进行参数调整。
- 准备应用程序及数据。
在本章节中，以提交一个文本统计应用为例进行介绍，该样例程序可以从MRS集群客户端中获取（“客户端安装目录/HDFS/hadoop/share/hadoop/tools/lib/hadoop-streaming-XXX.jar”）。
该应用运行时，需要的输入参数如下：
- 如果当前集群已开启Kerberos认证，需提前在Manager界面中创建一个具有对应作业提交权限的业务用户，请参考创建MRS集群用户。
本示例中，创建一个人机用户testuser，关联用户组“supergroup”及角色“System_administrator”。
- 安装MRS集群客户端。
具体操作可参考安装MRS集群客户端。
MRS集群中默认安装了一个客户端用于作业提交，也可直接使用该客户端。MRS 3.x及之后版本客户端默认安装路径为Master节点上的“/opt/Bigdata/client”，MRS 3.x之前版本为Master节点上的“/opt/client”。
- 使用MRS集群客户端安装用户登录客户端所在的节点。
具体操作可参考登录MRS集群节点。
- 执行以下命令进入客户端安装目录。
cd /opt/Bigdata/client
加载环境变量：
source bigdata_env
如果当前集群已开启Kerberos认证，执行以下命令进行用户认证，如果当前集群未开启Kerberos认证，则无需执行kinit操作。
kinit testuser
- 执行以下命令提交HadoopStream作业。
hadoop jar HDFS/hadoop/share/hadoop/tools/lib/hadoop-streaming-*.jar -input /tmp/input -output /tmp/output -mapper "cat" -reducer "wc -l"
本示例中，使用“wc -l”命令统计行数，任务执行完成后，可执行以下命令查看指定的HDFS目录下生成的结果数据。
hdfs dfs -cat /tmp/output/part-00000
- 使用testuser用户登录集群Manager页面，选择“集群 > 服务 > Yarn”，单击“ResourceManager Web UI”右侧的超链接进入Yarn WebUI页面，单击对应作业的Application ID，即可查看作业运行信息及相关日志。
图2 查看Hadoop作业详情
相关文档
- 开启Kerberos认证的集群在提交作业时，未进行IAM用户同步报错处理方法请参见提交作业时系统提示当前用户在Manager不存在如何处理？。
- 更多MRS应用开发样例程序，请参见MRS应用开发指南。
