本文为您介绍在使用MapReduce时的常见问题。

问题类别 常见问题
功能咨询
开发MapReduce
常见报错

MapReduce的输入源可以是视图吗？

不可以，只能是表。

MapReduce的结果写入到表或分区时，会覆盖还是追加数据？

会覆盖掉原有的表数据或分区数据。

MapReduce中是否可以调用Shell文件？

不可以，受Java沙箱限制。更多Java沙箱信息，请参见 Java沙箱 。

reduce.setup能否读入输入表？

不能读入输入表，只能读入缓存表。

Mapper是否支持同一表格多分区输入？

Mapper支持同一表格多分区输入，同一张表的多个分区可以理解为独立的两张表。

Mapper可以直接从Record中读取分区数据段的信息吗？

Mapper无法从Record中获取分区字段信息，但是可以使用如下代码。PartitionSpec为分区信息。 
PartitionSpec ps = context.getInputTableInfo().getPartitionSpec();
String area = ps.get(“area”);

Label和分区是什么关系？

Label是给不同的输出处打上的一个标签，当输出的时候可以识别是从哪里输出的。

MapReduce中是否可以只有Map？

可以，MapReduce支持Map-Only。如果是Map-Only作业，需要显式指定Reducer数量为0，即 job.setNumReduceTasks(0) 。

Mapper中输入表中的每条Record数据，是否可以按列名读取？

可以。输入表中的每条Record数据不仅可以按序号 record.get(i) 读取，还可以按照列名来获取Record，例如 record.get("size") 。

write(Record key, Record value) 与 write(Record record) 的区别是什么？

  • write(Record key, Record value) ：输出中间结果，例如 key.set(“id”, v1)，value.set(“size”, v2) 。Map产出的中间结果，需要网络传输给Reduce，没有关联表进行类型推断，所以必须声明字段类型用于序列化。输出的字段类型是MaxCompute的字段类型。 
    job.setMapOutputKeySchema(SchemaUtils.fromString(“id:string”));  
job.setMapOutputValueSchema(SchemaUtils.fromString(“size:bigint”));
  • write(Record record) ：输出结果到最终表，有表进行类型推断，没必要声明字段类型。

MaxCompute MapReduce中，为什么要指定两个JAR，Libjars和Classpath？

本地客户端会执行一些作业配置等操作，涉及远程执行。因此本地有一个执行器，远程有一个执行器。

远程执行器执行加载远程的Classpath，即 -libjars mapreduce-examples.jar 。本地执行器加载本地Classpath，所以也要指定 -classpath lib/mapreduce-examples.jar 。

Hadoop MapReduce的源码，能否直接应用于MaxCompute MapReduce？

不能。MaxCompute MapReduce与Hadoop MapReduce API有一定差别，但整体风格一致。您需要修改Hadoop的源码，并在MaxCompute MapReduce SDK下编译通过后，才能在MaxCompute上运行。

MapReduce如何实现排序？

排序代码如下。 
//设置排序的字段（这里根据i1,i2两个字段进行排序）。
job.setOutputKeySortColumns(new String[] { "i1", "i2" });
//设置字段的排序顺序（这里设置i1为正序排序，i2为逆序排序）。
job.setOutputKeySortOrder(new SortOrder[] { SortOrder.ASC, SortOrder.DESC });
setOutputKeySortOrder方法的用法，如下所示。 
public void setOutputKeySortOrder(JobConf.SortOrder[] order)
功能：设置Key排序列的顺序。
参数: Order表示排序列的顺序。可选值为ASC（升序）、DESC（降序）。

MapReduce中的Backups是什么？

Backups就是一种加速调优。MaxCompute会查看您的任务，如果存在一些任务的工作量特别大，便为其开启备份任务，两个任务执行一样的数据，结果用最先执行结束的任务，因此存在Backups。但是如果任务非常大，Backups也无法起作用，因为原本的任务和Backups都没有执行完成。

开发MapReduce时，如何在命令行传入多个资源？

用逗号（,）分隔符进行分隔，例如输入命令 jar -resource resource1,resource2,.. 即可。

在Main方法中如何判断一个表为空表？

您可以使用如下方式判断一个表是否为空表。 
Odps odps=SessionState.get().getOdps();
Table table=odps.tables().get('tableName');
RecordReader recordReader=table.read(1);
if(recordReader.read()==null){
//TO DO

在MaxCompute MapReduce中，如何设置Java代码，才能打印出日志？

推荐如下方法：
  • 可以在代码中用 System.out.println 打印日志，对应日志输出位置是在Logview的stdout中。
  • 使用出现异常时，客户端会返回异常信息，不需要打印日志信息。
  • 使用common logging，日志输出到stderr中，可以在Logview的stderr看到。

结果表中会保留两个MapReduce计算之后的重复数据吗？

会。查询数据时，会得到两条一样的数据。

Hadoop中可以选择多个Node进行分布处理（一个Node表示一台机器），那么MaxCompute MapReduce进行分布处理时，该如何设置Node？

您不需要自行搭建分配Node，这正是MaxCompute的优点之一。

当运行MapReduce时，MaxCompute底层会根据算法决定使用的数据分片。

不使用Combiner时输出正常，使用Combiner后Reduce没有输入，是什么原因？

Reduce输出的单个Record和Map输出的Key-Value对不一致，导致产生上述情况。

在MapOnly中，为什么程序没有指定输出Table的Schema格式？

输出表的Schema是需要预先创建好的，在 create table 的时候指定。MapOnly程序内部不用指定Schema，可以直接输出。

如何在本地调用MaxCompute服务器运行MapReduce任务？

正常情况下，MaxCompute的JAR包需要在命令行工具上执行 jar 命令来执行，具体语法请参见 MapReduce作业提交 。

您也可以通过模拟的方式整合到自己的工程中，方法如下：
  1. 设置包依赖。

    除了基本的SDK，还需要其他的几个依赖包，您可在客户端工具的lib文件夹中找到。lib文件夹中也包含了SDK的JAR包，建议您在导入包的时候把最新的客户端工具lib文件夹中的JAR包全部导进来。

  2. 上传JAR包。

    将在本地测试通过的MapReduce程序，打成JAR包并上传，假设此JAR包的名称是 mr.jar 。更多上传资源操作，请参见 资源操作 。

  3. 设置运行方式。
    配置Jobconf，配置示例如下。 
    //配置MaxCompute连接信息。
Account account = new AliyunAccount(accessid, accesskey);
Odps odps = new Odps(account);
odps.setEndpoint(endpoint);
odps.setDefaultProject(project);
//获取session。
SessionState ss = SessionState.get();
ss.setOdps(odps);
ss.setLocalRun(false);  //设置false，表示在服务器上跑。如果要在本地调试，直接设置为true。
//正常的设置jobconf等代码。
Job job = new Job();
String resource = “mr.jar”;
job.setResources(resource); //这一步类似Jar命令的jar -resources mr.jar。
//后面的代码为正常的MapReduce代码规则。
job.setMapperClass(XXXMapper.class);
job.setReducerClass(XXXReducer.class);

    配置完成之后，您可以直接运行MapReduce任务。

执行MaxCompute MapReduce时，报错BufferOverflowException，如何解决？

  • 问题现象

    执行MaxCompute MapReduce时，返回如下报错。 

    FAILED: ODPS-0123131:User defined function exception - Traceback:
     java.nio.BufferOverflowException
     at java.nio.DirectByteBuffer.put(Unknown Source)
     at com.aliyun.odps.udf.impl.batch.TextBinary.put(TextBinary.java:35)
  • 产生原因

    一次写入的数据太大，导致Buffer溢出。

  • 解决措施

    MaxCompute的单个字段可以写入的数据类型限制如下。 

    String      8MB
Bigint      -9223372036854775807 ~ 9223372036854775807
Boolean     True/False
Double      -1.0 10308 ~ 1.0 10308
Date        0001-01-01 00:00:00 ~ 9999-12-31 23:59:59

执行MaxCompute MapReduce时，报错Resource not found，如何解决？

提交作业时，要用 -resources 指定需要的资源，多个资源用逗号（,）分隔。

执行MaxCompute MapReduce时，报错Class Not Found，如何解决？

执行MapReduce时，以下两种情况会报此错误：
  • classpath 参数的类名写错，要写上完整的包名。
  • 打包JAR的时候出错，注意打包时要把SRC中的源码都选上。

执行MaxCompute MapReduce时，报错ODPS-0010000，如何解决？

  • 问题现象：

    执行MaxCompute MapReduce时，返回如下报错。 

    ODPS-0010000: System internal error - get input pangu dir meta fail.
  • 产生原因

    出现上述报错，是因为您还未创建分区，或是因为分区数据未到位，您就开始使用此分区。

  • 解决措施

    先创建分区，然后再运行MapReduce任务。

执行MaxCompute MapReduce时，报错Table not found，如何解决？

  • 问题现象：

    执行MaxCompute MapReduce时，返回报错如下。 

    Exception in thread "main" com.aliyun.odps.OdpsException: Table not found: project_name.table_name.
  • 产生原因

    目标项目不正确或目标表不存在。

  • 解决措施

    MapReduce接口的Table Info Builder是ProjectName和TableName，两个接口分别设置为Project名称和Table名称。

执行MaxCompute MapReduce时，报错ODPS-0123144，如何解决？

  • 问题现象：

    执行MaxCompute MapReduce时，返回报错如下。 

    FAILED: ODPS-0123144: Fuxi job failed - WorkerRestar
  • 产生原因：

    出现上述报错，是因为集群的备节点在计算的过程中出现超时的情况，导致主节点认为备节点故障，所以报错。超时10分钟，即会报错，暂时不支持用户自行配置。

  • 解决措施

    这个报错比较常见的原因是Reduce里做了大循环，例如存在长尾数据或者笛卡尔积。您需要尽量减少这种大循环的情况。

执行MaxCompute MapReduce时，报错java.security.AccessControlException，如何解决？

  • 问题现象

    执行MaxCompute MapReduce时，返回报错如下。 

    FAILED: ODPS-0123131:User defined function exception - Traceback:
java.lang.ExceptionInInitializerError
Caused by: java.security.AccessControlException: access denied ("java.lang.RuntimePermission" "getProtectionDomain")
  at java.security.AccessControlContext.checkPermission(AccessControlContext.java:472)
  • 产生原因

    出现上述报错，是因为您的代码违反了沙箱限制，详情请参见 Java沙箱 。

  • 解决措施

    您需要访问外部的资源解决此报错。但MaxCompute目前不支持访问外部资源，请将外部的处理逻辑和涉及的数据存储在MaxCompute上进行访问。您需要读取一些配置文件，详情请参见 使用资源示例 。

执行MaxCompute MapReduce时，报错 java.io.IOException，如何解决？

  • 问题现象：

    执行MaxCompute MapReduce时，返回报错如下。 

    Exception in thread “main“ java.io.IOException: ODPS-0740001: Too many local-run maps: 101, must be <= 100(specified by local-run parameter ‘odps.mapred.local.map.max.tasks‘)
  • 产生原因

    local-run maps 默认是100，需要调整。

  • 解决措施

    您可以添加 -Dodps.mapred.local.map.max.tasks=200 配置。

执行MaxCompute MapReduce时，报错Exceed maximum read times，如何解决？

  • 问题现象：

    执行MaxCompute MapReduce时，返回报错如下。 

    ODPS-0730001: Exceed maximum read times per resource
  • 产生原因：

    资源文件读取的次数太多。

  • 解决措施

    请检查代码中读取对应资源的代码逻辑。一般情况下，资源读取在setup中执行一次即可，不要在Map或Reduce阶段中多次读取。

执行MaxCompute MapReduce时，Reduce还没开始执行第一句，便报错为内存溢出，如何解决？

  • 产生原因

    某些数据特别大，下载到内存便溢出了。

  • 解决措施

    把Combiner去掉或者在Combiner中限制Size set odps.mapred.map.min.split.size=512; 。

执行MaxCompute MapReduce时，报错内存溢出，如何解决？

内存溢出通常是由于内存不足导致的，可以通过调整JVM内存参数（ odps.stage.mapper.jvm.mem和odps.stage.reducer.jvm.mem ）解决。例如 set odps.stage.mapper.jvm.mem = 2048 将内存调整为2 GB。

执行MaxCompute MapReduce时，开启了600个Reducer加载一个配置文件，但是配置文件很小且报错java.lang.OutOfMemoryError，如何解决？

  • 问题现象

    执行MaxCompute MapReduce时，返回报错如下。 

    java.lang.OutOfMemoryError: Java heap space
  • 产生原因

    MapReduce使用限制导致，请参见 使用限制 。

  • 解决措施

    请参见 原生SDK概述 进行配置。

执行MaxCompute MapReduce时，报错ODPS-0420095，如何解决？

  • 问题现象

    执行MaxCompute MapReduce时，返回报错如下。 

    Exception in thread "main" java.io.IOException: com.aliyun.odps.OdpsException: ODPS-0420095: Access Denied - The task is not in release range: LOT
  • 产生原因

    项目为MaxCompute开发者版资源下的项目，仅支持MaxCompute SQL（支持使用UDF）、PyODPS作业任务，暂不支持MapReduce、Spark等其它任务。

  • 解决措施

    升级项目规格，请参见 转换计费方式 。

在MapReduce中使用资源时，报错文件太多，如何解决？

  • 问题现象

    在MapReduce中使用资源时，返回报错如下。 

     Caused by: com.aliyun.odps.OdpsException: java.io.FileNotFoundException: temp/mr_XXXXXX/resource/meta.user.group.config (Too many open files)
  • 产生原因

    单个作业引用的资源数量不能超过256个，否则报错。Table和Archive按照一个单位计算。更多限制请参见 使用限制 。

  • 解决措施

    调整引用的资源数量。

在MapReduce程序中使用第三方类，打了一个Assembly的JAR包，运行时报错找不到类，如何解决？

MaxCompute MapReduce在分布式环境中运行时受到Java沙箱的限制（MapReduce作业的主程序则不受此限制），具体限制请参见 Java沙箱 。

如果您只是需要处理Json，建议您直接使用Gson，同时无需打包带Gson的Class。Java开源组件里提供了很多字符串转日期的方法，例如SimpleDateFormat等。

使用开源兼容MapReduce在MaxCompute上运行时，报错显示下标越界，如何解决？

建议您使用MaxCompue的MapReduce接口进行代码编写。同时，非必须场景下建议使用Spark替代MapReduce。