mahout phase 应用之 RecommenderJob

上篇博客说了下mahout的phase参数的含义，但是没有涉及到具体的应用，上次也只是说了一下这两个参数，startPhase和endPhase的好处：当运行RecommenderJob时前面的两个phase都运行成功了，但是后面的运行出错，那么是否要继续从第一个phase开始运行呢，其实完全没有必要，可以设置startPhase和endPhase这两个参数，直接跳过前面两个Phase。的确是，这个就是它的用处吧（或许还有其他用处？）下面就针对RecommenderJob来进行分析吧

看下图：

这个图针对RecommenderJob进行了分析，第二行的1，2，。。表示当前的Phase包含的MR数量；第三行是每个Phase运行后产生的文件及文件目录。下面说下我的跳过Phase的想法：由上面的图可以看出，每个Phase的输出目录文件是不一样的，所以我采用的做法是运行一遍RecommenderJob,如果有错，那么就去检测每个Phase的输出目录，如果里面有文件，那么就说明这个Phase是正常运行的，反之亦然；

下面上代码：

PhaseUtils.java:

package org.fansy.date1203.mahout.phase;
import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.mahout.common.HadoopUtil;
public class PhaseUtils {	
	/*
	 * 常量
	 */
	public static final String TEMP_PATH="hdfs://fansypc:9000/user/botwave/";
	public static final String TEMP=System.currentTimeMillis()+"/cf/";
	public static final String CF_TEMP_DIR=TEMP_PATH+TEMP;
	/*
	 * files should be checked  in phase one
	 */
	public static final String PHASE_ONE_1=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/itemIDIndex/part-r-00000";
	public static final String PHASE_ONE_2=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/numUsers.bin";
	public static final String PHASE_ONE_3=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/ratingMatrix/part-r-00000";
	public static final String PHASE_ONE_4=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/userVectors/part-r-00000";
	/*
	 * files should be deleted  in phase one
	 */
	public static final String PHASE_ONE_1_D=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/itemIDIndex/_SUCCESS";
	public static final String PHASE_ONE_2_D=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/ratingMatrix/_SUCCESS";
	public static final String PHASE_ONE_3_D=CF_TEMP_DIR+"/"+"preparePreforenceMatrix/userVectors/_SUCCESS";
	/*
	 * files should be checked  in phase two
	 */
	public static final String PHASE_TWO_1=CF_TEMP_DIR+"/"+"paiwiseSimilarity/part-r-00000";
	public static final String PHASE_TWO_2=CF_TEMP_DIR+"/"+"maxValues.bin";
	public static final String PHASE_TWO_3=CF_TEMP_DIR+"/"+"normas.bin";
	public static final String PHASE_TWO_4=CF_TEMP_DIR+"/"+"numNonZeroEntries.bin";
	public static final String PHASE_TWO_5=CF_TEMP_DIR+"/"+"similarityMatrix/part-r-00000";
	public static final String PHASE_TWO_6=CF_TEMP_DIR+"/"+"weights/part-r-00000";
	/*
	 * files should be delete in phase two
	 */
	public static final String PHASE_TWO_1_D=CF_TEMP_DIR+"/"+"similarityMatrix/_SUCCESS";
	public static final String PHASE_TWO_2_D=CF_TEMP_DIR+"/"+"weights/_SUCCESS";
	public static final String PHASE_TWO_3_D=CF_TEMP_DIR+"/"+"paiwiseSimilarity/_SUCCESS";
	/*
	 * files should be checked  in phase three
	 */
	public static final String PHASE_THREE_1=CF_TEMP_DIR+"/"+"partialMultiply/part-r-00000";
	public static final String PHASE_THREE_2=CF_TEMP_DIR+"/"+"partialMultiply1/part-r-00000";
	public static final String PHASE_THREE_3=CF_TEMP_DIR+"/"+"partialMultiply2/part-r-00000";
	/*
	 * files should be deleted  in phase three
	 */
	public static final String PHASE_THREE_1_D=CF_TEMP_DIR+"/"+"partialMultiply/_SUCCESS";
	public static final String PHASE_THREE_2_D=CF_TEMP_DIR+"/"+"partialMultiply1/_SUCCESS";
	public static final String PHASE_THREE_3_D=CF_TEMP_DIR+"/"+"partialMultiply2/_SUCCESS";
	/*
	 * 查看文件是否存在
	 */
	public static boolean fileExists(String file){
		boolean flag=false;
		Configuration conf=new Configuration();
		Path path=new Path(file);
		FileSystem fs=null;
		try {
			 fs=FileSystem.get(path.toUri(), conf);
		} catch (IOException e) {
			e.printStackTrace();
		}	
		try {
			flag=fs.exists(path);
		} catch (IOException e) {
			e.printStackTrace();
		}
		return flag;
	}
	/*
	 * 删除文件
	 */
	public static boolean deleteFile(String file){
		boolean flag=true;
		try {
			HadoopUtil.delete(new Configuration(),	new Path(file));
		} catch (IOException e) {
			// TODO Auto-generated catch block
			flag=false;
			e.printStackTrace();
		}
		return flag;
	}
	/*
	 * check files in phase one
	 */
	public static  boolean checkFilesInPhaseOne(){
		int temp=0;
		if(fileExists(PHASE_ONE_1)){
			temp++;
		}
		if(fileExists(PHASE_ONE_2)){
			temp++;
		}
		if(fileExists(PHASE_ONE_3)){
			temp++;
		}
		if(fileExists(PHASE_ONE_4)){
			temp++;
		}
		if(temp==4){
			return true;
		}else{
			return false;
		}
	}
	/*
	 * delete files in phase one
	 */
	public static void deleteFilesInPhaseOne(){
		deleteFile(PHASE_ONE_1_D);
		deleteFile(PHASE_ONE_2_D);
		deleteFile(PHASE_ONE_3_D);
	} 
	/*
	 * check files in phase two
	 */
	public static  boolean checkFilesInPhaseTwo(){
		int temp=0;
		if(fileExists(PHASE_TWO_1)){
			temp++;
		}
		if(fileExists(PHASE_TWO_2)){
			temp++;
		}
		if(fileExists(PHASE_TWO_3)){
			temp++;
		}
		if(fileExists(PHASE_TWO_4)){
			temp++;
		}
		if(fileExists(PHASE_TWO_5)){
			temp++;
		}
		if(fileExists(PHASE_TWO_6)){
			temp++;
		}
		if(temp==6){
			return true;
		}else{
			return false;
		}
	}
	/*
	 * delete files in phase two
	 */
	public static void deleteFilesInPhaseTwo(){
		deleteFile(PHASE_TWO_1_D);
		deleteFile(PHASE_TWO_2_D);
		deleteFile(PHASE_TWO_3_D);
	} 
	/*
	 * check files in phase three
	 */
	public static  boolean checkFilesInPhaseThree(){
		int temp=0;
		if(fileExists(PHASE_THREE_1)){
			temp++;
		}
		if(fileExists(PHASE_THREE_2)){
			temp++;
		}
		if(fileExists(PHASE_THREE_3)){
			temp++;
		}
		if(temp==3){
			return true;
		}else{
			return false;
		}
	}
	/*
	 * delete files in phase three
	 */
	public static void deleteFilesInPhaseThree(){
		deleteFile(PHASE_THREE_1_D);
		deleteFile(PHASE_THREE_3_D);
		deleteFile(PHASE_THREE_3_D);
	} 
}

PhaseCheckDriver.java:

package org.fansy.date1203.mahout.phase;
import static org.fansy.date1203.mahout.phase.PhaseUtils.*;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.util.ToolRunner;
import org.apache.mahout.cf.taste.hadoop.item.RecommenderJob;
public class PhaseCheckDriver {
	/**
	 * 原地运行任务
	 * @throws Exception 
	 */
	public static void main(String[] args) throws Exception {
		if(args.length!=2){
			System.out.print("Usage: <input><output>");
			System.exit(-1);
		}
		String arg="--input "+TEMP_PATH+args[0]+" --output "+TEMP_PATH+args[1]+
				" --booleanData false --similarityClassname SIMILARITY_COOCCURRENCE "+
				"--startPhase 0 --tempDir "+CF_TEMP_DIR;
		String[] tempArg=arg.split(" ");
		int temp=ToolRunner.run(new Configuration(), new RecommenderJob(),tempArg);
		if(temp==0){
			System.exit(0); // 程序正常退出
		}
		int times=3;  //  继续运行任务三次，然后退出
		boolean flag_phase1=false;
		boolean flag_phase2=false;
		boolean flag_phase3=false;
		boolean flag_phase4=false;
		int startPhase=0;
		while(times-->=0){
			flag_phase1=PhaseUtils.checkFilesInPhaseOne();
			if(flag_phase1){
				flag_phase2=PhaseUtils.checkFilesInPhaseTwo();
				startPhase++;
			}
			if(flag_phase2){
				flag_phase3=PhaseUtils.checkFilesInPhaseThree();
				startPhase++;
			}
			if(flag_phase3){
				flag_phase4=PhaseUtils.fileExists(TEMP_PATH+args[1]);
				startPhase++;
			}
			if(flag_phase4){
				startPhase++;
			}
			if(startPhase>=4){
				break;  // 说明4个phase运行成功,退出程序
			}
			//  否则的话，删除_SUCCESS文件，调整参数继续运行
			switch(startPhase){
				case 1:
						PhaseUtils.deleteFilesInPhaseOne();
						break;
				case 2:
						PhaseUtils.deleteFilesInPhaseOne();
						PhaseUtils.deleteFilesInPhaseTwo();
						break;
				case 3:
						PhaseUtils.deleteFilesInPhaseOne();
						PhaseUtils.deleteFilesInPhaseTwo();
						break;
			}
			// 
			arg="--input "+TEMP_PATH+args[0]+" --output "+TEMP_PATH+args[1]+
					" --booleanData false --similarityClassname SIMILARITY_COOCCURRENCE "+
					"--startPhase "+startPhase+" --tempDir "+CF_TEMP_DIR;
			temp=ToolRunner.run(new Configuration(), new RecommenderJob(),tempArg);
			if(temp==0){
				System.exit(0); // 程序正常退出
			}
		}
	}
}

说明：上面的代码中的删除_SUCCESS文件是必须的，这个和我的测试方法有关，先说下我的测试方法吧。

我先运行了一遍RecommenderJob（操作A），然后屏蔽PhaseCheckDriver里面的第一个RecommenderJob，同时删除操作A的phase2产生的文件，然后运行PhaseCheckDriver,看是否有跳过并且是否出来最后的结果；

因为操作A 是成功的，所以在每个目录里会有_SUCCESS文件，当有这个文件的时候，直接使用startPhase=1跳过第phase0会显示出错，所以我在程序里面用代码删除了这个文件。

注： 上面的代码还未测试过；

分享，成长，快乐