分布式缓存 Hadoop - FileNotFound

Question

我正在尝试在分布式缓存中放置一个文件。为了做到这一点，我使用 -files 选项调用我的驱动程序类，例如：

   hadoop jar job.jar my.driver.class -files MYFILE input output

getCacheFiles() 和 getLocalCacheFiles() 返回包含 MYFILE 的 URI/路径数组。 （例如：hdfs://localhost/tmp/hadoopuser/mapred/staging/knappy/.staging/job_201208262359_0005/files/histfile#histfile）

不幸的是，当尝试在 map 任务中检索 MYFILE 时，它会抛出 FileNotFoundException。

我在独立（本地）模式和伪分布式模式下都试过了。

你知道可能是什么原因吗？

更新：

以下三行：

System.out.println("cache files:"+ctx.getConfiguration().get("mapred.cache.files"));
uris = DistributedCache.getLocalCacheFiles(ctx.getConfiguration());
for(Path uri: uris){

      System.out.println(uri.toString());
      System.out.println(uri.getName());
      if(uri.getName().contains(Constants.PATH_TO_HISTFILE)){
       histfileName = uri.getName();
      }
} 

打印出来：

cache files:file:/home/knappy/histfile#histfile

/tmp/hadoop-knappy/mapred/local/archive/-7231_-1351_105/file/home/knappy/histfile

histfile

因此，该文件似乎列在 job.xml mapred.cache.files 属性中，并且似乎存在本地文件。尽管如此，还是会抛出 FileNotFoundException。

Answer 1

首先检查作业 xml 中的 mapred.cache.files 以查看文件是否在缓存中。 您可以在映射器中检索它：

...
Path[] files = DistributedCache.getLocalCacheFiles(context.getConfiguration());
File myFile = new File(files[0].getName());
//read your file content
...