hadoop mapreduce程序jar包版本冲突解决方法

阅读更多

写MR程序时往往会使用到第三方包， 如果这些包在集群中不存在， 可以通过多种方式提交到集群供 MR 程序使用， 但如果集群中存在的jar与用户MR程序用到的JAR存在版本冲突时该如何解决？

下面是我碰到的问题及解决方式， 简单记录如下， 碰到同样问题的同学可以参考下:

昨天使用 commons-net-3.2.jar 包连接FTP采集日志，

调用方法片段:

 

FTPClient ftpClient = new FTPClient();
ftpClient.setConnectTimeout(1000); 

 

// 这个方法在commons-net-3.2.jar包中有， 而在 commons-net-1.4.1.jar 中没有

一般情况下，使用hadoop jar 执行mr的时候，会首先加载$HADOOP_HOME/lib下的jar包，
由于使用的hadoop中带了commons-net-1.4.1.jar，所以会优先加载1.4.1版本，而忽略用户自己指定的3.2版本，所以报异常，

Error: org.apache.commons.net.ftp.FTPClient.setConnectTimeout(I)V    
//异常提示调用setConnectTimeout 方法有问题。

 

查看源码TaskRunner.java

 

/**

   */

  static List getClassPaths(JobConf conf, File workDir,

      TaskDistributedCacheManager taskDistributedCacheManager)

      throws IOException {

    // Accumulates class paths for child.

    List classPaths = new ArrayList();

   

    boolean userClassesTakesPrecedence = conf.userClassesTakesPrecedence(); 

// 这个参数项可以改变系统classpath加载的优先顺序, 默认应该是false

   

    if (!userClassesTakesPrecedence) {   // 默认是false, tasktrack机器的系统classpath总是优先加载

      // start with same classpath as parent process

      appendSystemClasspaths(classPaths);

    }

 

    // include the user specified classpath

    appendJobJarClasspaths(conf.getJar(), classPaths);

   

    // Distributed cache paths

    if (taskDistributedCacheManager != null)

      classPaths.addAll(taskDistributedCacheManager.getClassPaths());

   

    // Include the working dir too

    classPaths.add(workDir.toString());

 

    if (userClassesTakesPrecedence) {

      // parent process's classpath is added last

      appendSystemClasspaths(classPaths);

    }

   

    return classPaths;

  }

 

 

通过上面源码可以看出 参数项 -Dmapreduce.task.classpath.user.precedence 可以改变系统classpath加载的优先顺序

验证：

hadoop jar collect_log.jar com.collect.LogCollectJob -Dmapreduce.task.classpath.user.precedence=true -libjars commons-net-3.2.jar /new_log_collect/input /new_log_collect/output

程序执行成功。