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。