1.写hadoop的map-reduce程序之前所必须知道的基础知识:

1)hadoop map-reduce的自带的数据类型：

　Hadoop提供了如下内容的数据类型，这些数据类型都实现了WritableComparable接口，以便用这些类型定义的数据可以被序列化进行网络传输和文件存储，以及进行大小比较。（如果是自定义的key,value的数据类型，必须也要写其大小比较的方法）

BooleanWritable：标准布尔型数值

ByteWritable：单字节数值

DoubleWritable：双字节数

FloatWritable：浮点数

IntWritable：整型数

LongWritable：长整型数

Text：使用UTF8格式存储的文本

NullWritable：当<key,value>中的key或value为空时使用

 

2)hadoop的 map -combiner - reduce 之间的输入输出数据类型的关系：

特别注意：combine的输入输出和map的输出完全一样

 

2.在写第一个hadoop程序中出现的问题:

1)由以上map-reduce的输入输出数据类型关系可以看出：

在hadoop中，只要定义了map和reduce的输出类型，那么整个hadoop的运行流程中的数据类型基本都确定了

hadoop程序在job中配置输出类型

    job.setMapOutputKeyClass(Text.class);

    job.setMapOutputValueClass(Text.class); //combine的输入输出一定是<Text,Text,Text,Text>,reduce的输入一定是<Text,Text>

 

    job.setOutputKeyClass(Text.class);

    job.setOutputValueClass(NullWritable.class);

 

2)以上job中的配置一定要与程序中mapper、combiner和reducer中定义的数据类型一致：

如果job中是以上配置，那么mapper,combiner和reducer的定义一定要是下面这样：

mapper:

  public static class MyMapper  extends Mapper<Object, Text, Text1, Text1>

combiner:

  public static class MyCombiner  extends Reducer<Text1,Text1,Text1,Text1>

reducer:

  public static class MyReducer  extends Reducer<Text1,Text1,Text,NullWritable>

注意：以上标红的地方类型必须完全一致(实际程序中应是Text类型，这里为了表明对应关系用Text)

 

3.调试map-reduce程序中，发现在eclipse中写map-reduce程序中经常程序会莫名其妙的终止，但是在eclipse中的console中却没有任何错误的提示——因为hadoop的很多输出时输出到log或系统的标准输出流中，如果想要看程序到底在哪里出现了问题，必须要在命令行中运行，才会显示所有的错误，如何在命令行中配置编译hadoop map-reduce程序的环境请看上一篇hadoop——在命令行下编译并运行map-reduce程序

 

4.调试程序中，每次编译好生成.class和.jar后，都要输入命令，运行完还得输入查询结果的命令，下一次运行还要清除上次放在hdfs中的文件，因此可以将整个程序执行过程通过写bash脚本来完成

具体的bash脚本如下：

注意：在bash脚本中&&表示上条命令正确执行完后才会继续执行下条指令

值得注意的是：hadoop程序的输入可以是目录也可以是某个具体的文件，如果输入是目录就会顺序读取该目录下所有的文件，如果输入是文件，那么就只会读取这一个指定的文件

 

5。每次调试运行以上脚本后，就可以看到程序执行中具体哪个地方有问题，如果程序执行正确会直接在控制台上输出运行的结果

 

转：http://blog.csdn.net/guoqingpei/article/details/45620153