Hadoop使用mongo-hadoop連接器流式傳輸失敗

我創建了這個作業，它從HDFS讀取一堆JSON文件並嘗試將它們加載到MongoDB中。這只是地圖腳本，因爲我不需要任何額外的處理步驟。我正在嘗試使用mongo-hadoop連接器。Hadoop使用mongo-hadoop連接器流式傳輸失敗

該腳本使用Perl編寫並配置給羣集中的所有節點，並配置了所有其他依賴項。該腳本以二進制模式發出原始JSON文件的BSON序列化版本。

因爲某些原因作業失敗，出現以下錯誤：

Error: java.lang.ClassCastException: org.apache.hadoop.io.Text cannot be cast to com.mongodb.hadoop.io.BSONWritable 
    at com.mongodb.hadoop.streaming.io.MongoInputWriter.writeValue(MongoInputWriter.java:10) 
    at org.apache.hadoop.streaming.PipeMapper.map(PipeMapper.java:106) 
    at org.apache.hadoop.mapred.MapRunner.run(MapRunner.java:54) 
    at org.apache.hadoop.streaming.PipeMapRunner.run(PipeMapRunner.java:34) 
    at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:453) 
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:343) 
    at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:168) 
    at java.security.AccessController.doPrivileged(Native Method) 
    at javax.security.auth.Subject.doAs(Subject.java:422) 
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1657) 
    at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:162)

不僅如此，但我使用Python中的pymono-Hadoop的包創建一個版本相同的腳本。作業失敗並出現相同的錯誤。

在日誌中失敗的任務挖一點點後，我發現，實際的錯誤是：

2016-06-13 16:13:11,778 INFO [Thread-12] com.mongodb.hadoop.io.BSONWritable: No Length Header available.java.io.EOFException

的問題是，它靜靜地失敗，我已經添加了一些記錄在映射器，但從它看起來映射器甚至沒有被調用。這就是我打電話給我的工作：

yarn jar /usr/hdp/2.4.0.0-169/hadoop-mapreduce/hadoop-streaming.jar \ 
    -libjars /opt/mongo-hadoop/mongo-hadoop-core-1.5.2.jar,/opt/mongo-hadoop/mongo-hadoop-streaming-1.5.2.jar,/opt/mongo-hadoop/mongodb-driver-3.2.2.jar \ 
    -D mongo.output.uri="${MONGODB}" \ 
    -outputformat com.mongodb.hadoop.mapred.MongoOutputFormat \ 
    -jobconf stream.io.identifier.resolver.class=com.mongodb.hadoop.streaming.io.MongoIdentifierResolver \ 
    -io mongodb \ 
    -input "${INPUT_PATH}" \ 
    -output "${OUTPUT_PATH}" \ 
    -mapper "/opt/mongo/mongo_mapper.py"

我在做什麼錯？似乎沒有其他方式來獲得進入HDFS數據的MongoDB ...

來源

2016-06-13 Tudor Marghidanu

您應該添加更新並回答問題的答案。如果有人在搜索中發現你的問題，他們將會有更輕鬆的時間。 – grochmal

謝謝。完成！ –

我不知道我爲什麼不試試這個擺在首位：

OUTPUT_PATH=`mktemp -d` 

yarn jar /usr/hdp/2.4.0.0-169/hadoop-mapreduce/hadoop-streaming.jar \ 
    -D mapred.job.name="${BUILD_TAG}" \ 
    -D mapred.job.queue.name="sr" \ 
    -input "${INPUT_PATH}" \ 
    -output "${OUTPUT_PATH}" \ 
    -mapper "/usr/bin/mongoimport -h ${MONGODB_HOST} -d ${MONGODB_DATABASE} -c ${MONGODB_COLLECTION}"

你猜怎麼着？它像一個魅力！

來源

2016-06-14 12:17:25

Hadoop使用mongo-hadoop連接器流式傳輸失敗

回答

相關問題