Executar tarefas MapReduce com o SDK .NET do HDInsight

  • Artigo

Saiba como submeter tarefas do MapReduce com o SDK .NET do HDInsight. Os clusters do HDInsight são fornecidos com um ficheiro jar com alguns exemplos do MapReduce. O ficheiro jar é /example/jars/hadoop-mapreduce-examples.jar. Um dos exemplos é a contagem de palavras. Desenvolve uma aplicação de consola C# para submeter uma tarefa de conta de palavras. A tarefa lê o /example/data/gutenberg/davinci.txt ficheiro e produz os resultados para /example/data/davinciwordcount. Se quiser voltar a executar a aplicação, tem de limpar a pasta de saída.

Nota

Os passos neste artigo têm de ser executados a partir de um cliente Windows. Para obter informações sobre como utilizar um cliente Linux, OS X ou Unix para trabalhar com o Hive, utilize o seletor de separadores apresentado na parte superior do artigo.

Pré-requisitos

Submeter tarefas do MapReduce com o SDK .NET do HDInsight

O SDK .NET do HDInsight fornece bibliotecas de cliente .NET, o que facilita o trabalho com clusters do HDInsight a partir do .NET.

  1. Inicie o Visual Studio e crie uma aplicação de consola C#.

  2. Navegue para Ferramentas>Consola do Gestor de Pacotes do Gestor > dePacotes NuGete introduza o seguinte comando:

    Install-Package Microsoft.Azure.Management.HDInsight.Job

  3. Copie o código abaixo para Program.cs. Em seguida, edite o código ao definir os valores para: existingClusterName, existingClusterPassword, defaultStorageAccountName, defaultStorageAccountKeye defaultStorageContainerName.

    using System.Collections.Generic;
using System.IO;
using System.Text;
using System.Threading;
using Microsoft.Azure.Management.HDInsight.Job;
using Microsoft.Azure.Management.HDInsight.Job.Models;
using Hyak.Common;
using Microsoft.WindowsAzure.Storage;
using Microsoft.WindowsAzure.Storage.Blob;

namespace SubmitHDInsightJobDotNet
{
    class Program
    {
        private static HDInsightJobManagementClient _hdiJobManagementClient;

        private const string existingClusterName = "<Your HDInsight Cluster Name>";
        private const string existingClusterPassword = "<Cluster User Password>";
        private const string defaultStorageAccountName = "<Default Storage Account Name>"; 
        private const string defaultStorageAccountKey = "<Default Storage Account Key>";
        private const string defaultStorageContainerName = "<Default Blob Container Name>";

        private const string existingClusterUsername = "admin";
        private const string existingClusterUri = existingClusterName + ".azurehdinsight.net";
        private const string sourceFile = "/example/data/gutenberg/davinci.txt";
        private const string outputFolder = "/example/data/davinciwordcount";

        static void Main(string[] args)
        {
            System.Console.WriteLine("The application is running ...");

            var clusterCredentials = new BasicAuthenticationCloudCredentials { Username = existingClusterUsername, Password = existingClusterPassword };
            _hdiJobManagementClient = new HDInsightJobManagementClient(existingClusterUri, clusterCredentials);

            SubmitMRJob();

            System.Console.WriteLine("Press ENTER to continue ...");
            System.Console.ReadLine();
        }

        private static void SubmitMRJob()
        {
            List<string> args = new List<string> { { "/example/data/gutenberg/davinci.txt" }, { "/example/data/davinciwordcount" } };

            var paras = new MapReduceJobSubmissionParameters
            {
                JarFile = @"/example/jars/hadoop-mapreduce-examples.jar",
                JarClass = "wordcount",
                Arguments = args
            };

            System.Console.WriteLine("Submitting the MR job to the cluster...");
            var jobResponse = _hdiJobManagementClient.JobManagement.SubmitMapReduceJob(paras);
            var jobId = jobResponse.JobSubmissionJsonResponse.Id;
            System.Console.WriteLine("Response status code is " + jobResponse.StatusCode);
            System.Console.WriteLine("JobId is " + jobId);

            System.Console.WriteLine("Waiting for the job completion ...");

            // Wait for job completion
            var jobDetail = _hdiJobManagementClient.JobManagement.GetJob(jobId).JobDetail;
            while (!jobDetail.Status.JobComplete)
            {
                Thread.Sleep(1000);
                jobDetail = _hdiJobManagementClient.JobManagement.GetJob(jobId).JobDetail;
            }

            // Get job output
            System.Console.WriteLine("Job output is: ");
            var storageAccess = new AzureStorageAccess(defaultStorageAccountName, defaultStorageAccountKey,
                defaultStorageContainerName);

            if (jobDetail.ExitValue == 0)
            {
                // Create the storage account object
                CloudStorageAccount storageAccount = CloudStorageAccount.Parse("DefaultEndpointsProtocol=https;AccountName=" +
                    defaultStorageAccountName +
                    ";AccountKey=" + defaultStorageAccountKey);

                // Create the blob client.
                CloudBlobClient blobClient = storageAccount.CreateCloudBlobClient();

                // Retrieve reference to a previously created container.
                CloudBlobContainer container = blobClient.GetContainerReference(defaultStorageContainerName);

                CloudBlockBlob blockBlob = container.GetBlockBlobReference(outputFolder.Substring(1) + "/part-r-00000");

                using (var stream = blockBlob.OpenRead())
                {
                    using (StreamReader reader = new StreamReader(stream))
                    {
                        while (!reader.EndOfStream)
                        {
                            System.Console.WriteLine(reader.ReadLine());
                        }
                    }
                }
            }
            else
            {
                // fetch stderr output in case of failure
                var output = _hdiJobManagementClient.JobManagement.GetJobErrorLogs(jobId, storageAccess);

                using (var reader = new StreamReader(output, Encoding.UTF8))
                {
                    string value = reader.ReadToEnd();
                    System.Console.WriteLine(value);
                }

            }
        }
    }
}

  4. Prima F5 para executar a aplicação.

Para executar a tarefa novamente, tem de alterar o nome da pasta de saída da tarefa, no exemplo é /example/data/davinciwordcount.

Quando a tarefa for concluída com êxito, a aplicação imprime o conteúdo do ficheiro part-r-00000de saída .

Passos seguintes

Neste artigo, aprendeu várias formas de criar um cluster do HDInsight. Para saber mais, leia os artigos seguintes: