MapReducer程序调试技巧(搭建伪分布式集群)

写过程序分布式代码的人都知道，分布式的程序是比较难以调试的，但是也不是不可以调试，对于Hadoop分布式集群来说，在其上面运行的是mapreduce程序，因此，有时候写好了mapreduce程序之后，执行结果发现跟自己想要的结果不一样，但是有没有报错，此时就很难发现问题，查找问题的方法之一就是对程序进行调试，跟踪代码的执行，找出问题的所在。那么对于Hadoop的Mapreduce是如何进行调试的呢？

　　毫无疑问当然是借助eclipse这个强大的工具。具体方式如下：

　　说明：由于公司服务器上部署的是Cloudera CDH5.4.4，在网上找了很多资料，没有发现CDH5.4.4相关的eclipse插件，这可难倒我了。网上搜索很多人有跟我一样的困境。但是在Apache Hadoop版本下就是不存在这样的问题，对于这个问题，我暂时的解决方案是在本地搭建一个伪分布式的Apache Hadoop的集群。这个伪分布式集群就是用来给我的调试程序使用。当我们当程序调试好了，再直接导入到CDH版本的工程中即可。

　　1、搭建Apache Hadoop的伪分布式集群，这个问题请参考如下：

　　　　http://www.cnblogs.com/ljy2013/articles/4295341.html

　　2、在Apache Hadoop的版本中如何编译插件？这个问题请参考如下：

　　　　http://www.cnblogs.com/ljy2013/articles/4417933.html

　　3、通过步骤2，我们已经可以创建Mapreduce程序了，下面实战一下。

　　　　（1）打开eclipse集成开发环境的工具

　　　　（2）安装步骤2方式，添加hadoop的安装目录。并添加Mapreduce的tools。

　　　　（3）编辑MapReduce tools，输入本地部署的伪分布式的集群的主机名和端口。如下图所示：

　　　　　　

　　　　（4）此时eclipse中会出现DFS Location这样一个标识，这个表示的是Hdfs，他能加载你伪分布式集群上的hdfs的所有目录，你在这个上面操作就相当于在hdfs上面操作，前提是你拥有相应的权限。如下图所示：（你可以在这个上面很方便的删除测试文件）

　　　　　　

　　　　（5）编写Map/Reduce程序。在这里我们就用WordCount这个例子来调试一下。

　　　　　　编写好了WordCount后，单击调试，进入调试界面。如下图所示：

　　　　　　

 　　　　（6）当你一直采用上面的方式调试后，中间会让你选择添加源文件的目录，你添加一下就好了，然后姐可以进入我们的Map类中。如下图所示：

　　　　　　

　　　　此时，你就可以观察和跟踪在map类中的map方法的执行是否正确。找出问题的根源。

　　　　　（7）同样，当你在map中执行完后，接着就会进入reduce类中，这中间会敬礼一个shuffle过程。这个过程是理解MapReduce的关键所在，请参考：

　　　　　　　　　　　　http://www.cnblogs.com/ljy2013/articles/4435657.html

　　　　　　　　当你进入reduce类后，你可以看到如下图所示：

　　　　　　

　　　　此时，你可以跟踪你的代码是否是按照你的算法思路进行。查找问题的根源。