寫在前面：研究所裡搭建了一套CDH5.9版本的hadoop叢集，以前一直使用命令列去操作，這幾天嘗試Hue中使用Oozie的Workflows去執行MR程式，發現踩了好多坑（以前沒使用過，也沒找到相應的教程，如果有知道的好的教程不妨留下不甚感激）。
坑1：標準的MR程式在linux命令列執行的時候能夠正常輸出正確的結果，但是使用Workflows去執行的時候就會按照原檔案的行資料輸出。
坑2：MR程式的編寫
坑3：無論用命令列還是Workflows執行MR程式，結果發現輸出多檔案，而且很多檔案都是空檔案。

1.新建一個workflow

新建一個workflow,這裡取名為My test，還可以進行相關的描述，右上角的Workspace可以檢視該workflow的工作目錄，開啟的時候裡面是空的，只有當你提交了workflow後再工作目錄下面就會生成相對應的workflow.xml還有lib目錄(裡面存放依賴的jar包)以及job.properties

2.編輯這個workflow

從上面的ACTIONS中拖一個Mapreduce action到Drop your action here地方去，然後就會轉到mapreduce的編輯介面。

這裡面，Jar name需要你選擇相對應的你寫好的wordcount程式打成的jar包，而且這個jar包必須上傳到HDFS目錄下，這裡面我存放在/user/xudong目錄下。

然後點選PROPERTIES+新增相對應的屬性（一般指的是你在編寫mr程式時main方法裡面設定的一系列屬性引數）。

這裡需要注意的地方是：
a.如果在linux命令列下執行mr程式，需要你自己在程式裡面寫main方法然後設定job一系列的屬性（指定job的map和reduce類，輸出輸入等）；但是hue中使用Oozie的workflow執行mr的時候，不需要寫main方法，也就是說只需要編寫map類和reduce類（或者partitin等類）。這是坑1。
b.輸入和輸出的引數寫的是$

3.提交workflow
如上圖，當你將輸入和輸出的路徑寫完後，點選submit就可以提交作業運行了。

屬性引數說明：
mapreduce.input.fileinputformat.inputdir【${inputDir}】：輸入目錄引數

mapreduce.output.fileoutputformat.outputdir【${outputDir}】：輸出目錄引數

mapreduce.job.map.class【com.mr.simple.WordCount$TokenizerMapper】:

指定map類（這裡的WorCount是類的名稱，$TokenizerMapper是指map類）

mapreduce.job.reduce.class【com.mr.simple.WordCount$IntSumReducer】：指定reduce類

mapreduce.job.output.key.class【org.apache.hadoop.io.Text】：指定map和reduce的key輸出格式

mapreduce.job.output.value.class【org.apache.hadoop.io.LongWritable】：指定map和reduce的value輸出格式
（如果兩者的輸出格式不相等，還需要繼續新增引數分別設定）

mapred.mapper.new-api【true】和mapred.reducer.new-api【true】：設定使用新的api

mapreduce.job.reduces【1（數量）】：設定reduce的task數量（指定reduce的數量後 ，輸出就沒有很多的空檔案，坑3）

4.wordcount的MR程式編寫

這裡為什麼要提到這個，是因為網上的部落格各種改寫了MR程式，在執行的過程中會出現各種錯誤，建議使用官網的標準的編寫格式（建議下hadoop中的examples中的原始碼研究一番）。程式如下：

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

public class WordCount {

  public static class TokenizerMapper
       extends Mapper<Object, Text, Text, IntWritable>{

    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(Object key, Text value, Context context
                    ) throws IOException, InterruptedException {
      StringTokenizer itr = new StringTokenizer(value.toString());
      while (itr.hasMoreTokens()) {
        word.set(itr.nextToken());
        context.write(word, one);
      }
    }
  }

  public static class IntSumReducer
       extends Reducer<Text,IntWritable,Text,IntWritable> {
    private IntWritable result = new IntWritable();

    public void reduce(Text key, Iterable<IntWritable> values,
                       Context context
                       ) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
        sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  //注意：如果使用workflow執行，main方法一定不要寫！！！
  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    Job job = Job.getInstance(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(args[0]));
    FileOutputFormat.setOutputPath(job, new Path(args[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}