JAVA高级面试进阶训练营视频教程

admin

本文整理了在hadoop学习过程中遇到的各种问题。

windows下开发环境搭建

大部分情况下，我们都是在windows下开发，hadoop则一般部署于linux服务器（无论是CDH还是原生hadoop，也无论是单机伪分布式还是完全分布式）。很多教程的做法都是打成jar，然后上传到linux服务器，再提交执行。这完全就是外行人教科书式的做法。实际开发不能这样进行，就跟c++开发一样，虽然是linux c++开发，我们同样不会windows写好到linux测试。

其安装很简单，下载hadoop发行版，并下载hadoop.dll-and-winutils.exe-for-hadoop2.7.3-on-windows_X64-master.zip。解压内容复制到HADOOP_HOME/bin下，这样运行就不会找不到相关工具如winutils.exe，hadoop的版本不一定要和windows tools相同，例如HADOOP发行版2.8.x完全是可以的。

增加hadoop maven依赖：

            <dependency>
              <groupId>org.apache.hadoop</groupId>
              <artifactId>hadoop-hdfs</artifactId>
              <version>2.8.5</version>
          </dependency>
        
          <dependency>  
              <groupId>org.apache.hadoop</groupId>  
              <artifactId>hadoop-client</artifactId>  
              <version>2.8.5</version>  
          </dependency> 
        
          <dependency>
              <groupId>org.apache.hadoop</groupId>
              <artifactId>hadoop-common</artifactId>
              <version>2.8.5</version>
          </dependency>

然后只要将$HADOOP_HOME/conf中的core-site.xml和log4j.properties复制到resources目录下即可。core-site.xml中添加HADOOP服务器HDFS地址即可：

    <property>
        <name>fs.defaultFS</name>
        <!--  这里的端口号可能是9000或8020，需要看服务器core-site.xml文件中的fs.default.name-->
        <value>hdfs://192.168.223.141:8020</value>
    </property>

这样就可以本地提交执行（这也是实际的做法）了。

完整的手册可以参考本博客windows eclipse直接访问远程linux hadoop开发环境配置（最标准的做法）。

org.apache.hadoop.ipc.RpcException: RPC response exceeds maximum data length（客户端执行的时候，服务器端执行没有报错）

原因是目标Hadoop连接有误，IP或端口，也就是上面 fs.defaultFS的设置以及FileInputFormat.addInputPath(job, new Path("hdfs://192.168.223.141:8020/user/cloudera/sample_data/tab1"));的值不正确，该值使用服务器core-site.xml文件中的fs.default.name的值，并确保对外开通。如下：

 

 有些帖子说是ipc.maximum.data.length过小的问题，但是我们没有修改过，所以134217728肯定足够大了。

执行hadoop命令报"No FileSystem for scheme: hdfs"

一直好好的，不知道为啥突然出现“No FileSystem for scheme: hdfs”。如下：

重新登录即可，原因未知。

客户端执行的时候报java.lang.NoClassDefFoundError: org/apache/hadoop/yarn/exceptions/YarnRuntimeException

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/hadoop/yarn/exceptions/YarnRuntimeException
    at org.apache.hadoop.mapred.LocalDistributedCacheManager.setup(LocalDistributedCacheManager.java:93)
    at org.apache.hadoop.mapred.LocalJobRunner$Job.<init>(LocalJobRunner.java:171)
    at org.apache.hadoop.mapred.LocalJobRunner.submitJob(LocalJobRunner.java:758)
    at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:242)
    at org.apache.hadoop.mapreduce.Job$11.run(Job.java:1341)
    at org.apache.hadoop.mapreduce.Job$11.run(Job.java:1338)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:422)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1844)
    at org.apache.hadoop.mapreduce.Job.submit(Job.java:1338)
    at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:1359)
    at hadoop.ParquetNewMR.main(ParquetNewMR.java:104)
Caused by: java.lang.ClassNotFoundException: org.apache.hadoop.yarn.exceptions.YarnRuntimeException
    at java.net.URLClassLoader.findClass(URLClassLoader.java:382)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:424)
    at sun.misc.Launcher$AppClassLoader.loadClass(Launcher.java:349)
    at java.lang.ClassLoader.loadClass(ClassLoader.java:357)
    ... 12 more

服务器端执行的时候报警告java.lang.NoClassDefFoundError: org/apache/parquet/format/CompressionCodec，但是运行成功了，文件内容为空

hadoop-common包在maven依赖中，而且能找到（不知道是客户端还是服务器端问题，看起来是服务器端的问题）。

原因：原来因为parquet相关依赖包下载不下载，改成了systemPath模式，所以有这个问题。直接从仓库下载后，这个问题是没有了。

java.lang.VerifyError: Bad return type location:org/apache/hadoop/hdfs/DFSClient.getQuotaUsage

    2018-02-19 10:11:49,328 [ERROR] [main] |app.DAGAppMaster|: Error starting DAGAppMaster
    java.lang.VerifyError: Bad return type
    Exception Details:
      Location:
        org/apache/hadoop/hdfs/DFSClient.getQuotaUsage(Ljava/lang/String;)Lorg/apache/hadoop/fs/QuotaUsage; @94: areturn
      Reason:
        Type 'org/apache/hadoop/fs/ContentSummary' (current frame, stack[0]) is not assignable to 'org/apache/hadoop/fs/QuotaUsage' (from method signature) 

看起来像是hadoop的版本和hadoop maven客户端版本不一致的问题，因为使用的是CDH-5.13的版本，将maven依赖版本调整为2.6.0之后，该错误没有了。

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/htrace/core/Tracer$Builder，但是依赖已经有了，如下：

Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/htrace/core/Tracer$Builder
    at org.apache.hadoop.fs.FsTracer.get(FsTracer.java:42)
    at org.apache.hadoop.fs.FileSystem.createFileSystem(FileSystem.java:2697)
    at org.apache.hadoop.fs.FileSystem.access$200(FileSystem.java:96)
    at org.apache.hadoop.fs.FileSystem$Cache.getInternal(FileSystem.java:2747)
    at org.apache.hadoop.fs.FileSystem$Cache.get(FileSystem.java:2729)
    at org.apache.hadoop.fs.FileSystem.get(FileSystem.java:384)
    at com.abc.test.HdfsDAO.copyFile(HdfsDAO.java:96)
    at com.abc.test.HdfsDAO.main(HdfsDAO.java:34)
Caused by: java.lang.ClassNotFoundException: org.apache.htrace.core.Tracer$Builder
    at java.net.URLClassLoader.findClass(Unknown Source)
    at java.lang.ClassLoader.loadClass(Unknown Source)
    at sun.misc.Launcher$AppClassLoader.loadClass(Unknown Source)
    at java.lang.ClassLoader.loadClass(Unknown Source)
    ... 8 more

 

 原因：htrace-core 3.0.4中的报名时org.htrace而不是org.apache.htrace包，前者为hadoop 2.6依赖，后者需要人工引入依赖。另外好像cdh 5.13不支持jdk 8，因为是1.8依赖了htrace-core4的会出现。调整为jdk 1.7、hadoop 2.6之后，问题就解决了。

提醒：hadoop开发，最好是服务器的版本和开发依赖的java库版本一致，这样不容易出问题。CDH的hadoop home是/var/lib/hadoop。

Hive执行命令非常慢（无论是hive客户端还是hive2的beeline都是如此）

[root@quickstart ~]# beeline -u jdbc:hive2://localhost:10000/default
scan complete in 2ms
Connecting to jdbc:hive2://localhost:10000/default
Connected to: Apache Hive (version 1.1.0-cdh5.13.0)
Driver: Hive JDBC (version 1.1.0-cdh5.13.0)
Transaction isolation: TRANSACTION_REPEATABLE_READ
Beeline version 1.1.0-cdh5.13.0 by Apache Hive
0: jdbc:hive2://localhost:10000/default> show tables;
INFO  : Compiling command(queryId=hive_20190410202727_01c12a1b-1266-4019-a94f-b0cc8b743577): show tables
INFO  : Semantic Analysis Completed
INFO  : Returning Hive schema: Schema(fieldSchemas:[FieldSchema(name:tab_name, type:string, comment:from deserializer)], properties:null)
INFO  : Completed compiling command(queryId=hive_20190410202727_01c12a1b-1266-4019-a94f-b0cc8b743577); Time taken: 0.073 seconds
INFO  : Executing command(queryId=hive_20190410202727_01c12a1b-1266-4019-a94f-b0cc8b743577): show tables
INFO  : Starting task [Stage-0:DDL] in serial mode
INFO  : Completed executing command(queryId=hive_20190410202727_01c12a1b-1266-4019-a94f-b0cc8b743577); Time taken: 0.039 seconds
INFO  : OK
+-----------+--+
| tab_name  |
+-----------+--+
+-----------+--+
No rows selected (68.033 seconds)

0: jdbc:hive2://localhost:10000/default> create table parquet_xxx(name string,age int); -- 半天无响应，卡死

 https://blog.csdn.net/yukuaifeng/article/details/78810450也是这个问题，但是参照之后也没解决。

20190420最新更新，问题已经找到，quickstart vm存在这个问题，换成自己搭建的cdh hadoop环境后，就没有这个问题了。

WARNING: Hive CLI is deprecated and migration to Beeline is recommended

hive2已经不推荐使用hive cli，而是beeline，参考：https://www.cnblogs.com/tomato0906/articles/6057333.html

HUE Web UI Error Impala Could not connect to localhost:21050

impala服务没有启动的原因。