java - ClassNotFoundException org.apache.mahout.math.VectorWritable

Question

我正在尝试将 csv 文件转换为序列文件，以便我可以对数据进行训练和运行分类器。我有一个我编译的作业 java 文件，然后 jar 到 mahout 作业 jar 中。当我尝试 hadoop jar 我在 mahout jar 中的工作时，我得到一个 java.lang.ClassNotFoundException: org.apache.mahout.math.VectorWritable。我不确定这是为什么，因为如果我查看 mahout jar ，该类确实存在。

这是我正在做的步骤

#get new copy of mahout jar
rm iris.jar
cp /home/stephen/home/libs/mahout-distribution-0.7/core/target/mahout-core-0.7-job.jar iris.jar    
javac -cp :/home/stephen/home/libs/hadoop-1.0.4/hadoop-core-1.0.4.jar:/home/stephen/home/libs/mahout-distribution-0.7/core/target/mahout-core-0.7-job.jar -d bin/ src/edu/iris/seq/CsvToSequenceFile.java    
jar ufv iris.jar -C bin .    
hadoop jar iris.jar edu.iris.seq.CsvToSequenceFile iris-data iris-seq

这就是我的 java 文件的样子

public class CsvToSequenceFile {

public static void main(String[] args) throws IOException,
        InterruptedException, ClassNotFoundException {

    String inputPath = args[0];
    String outputPath = args[1];

    Configuration conf = new Configuration();
    Job job = new Job(conf);
    job.setJobName("Csv to SequenceFile");
    job.setJarByClass(Mapper.class);

    job.setMapperClass(Mapper.class);
    job.setReducerClass(Reducer.class);

    job.setNumReduceTasks(0);

    job.setOutputKeyClass(LongWritable.class);
    job.setOutputValueClass(VectorWritable.class);

    job.setOutputFormatClass(SequenceFileOutputFormat.class);
    job.setInputFormatClass(TextInputFormat.class);

    TextInputFormat.addInputPath(job, new Path(inputPath));
    SequenceFileOutputFormat.setOutputPath(job, new Path(outputPath));

    // submit and wait for completion
    job.waitForCompletion(true);
}

这是命令行中的错误

2/10/30 10:43:32 WARN mapred.JobClient: Use GenericOptionsParser for parsing the arguments. Applications should implement Tool for the same.
12/10/30 10:43:33 INFO input.FileInputFormat: Total input paths to process : 1
12/10/30 10:43:33 INFO util.NativeCodeLoader: Loaded the native-hadoop library
12/10/30 10:43:33 WARN snappy.LoadSnappy: Snappy native library not loaded
12/10/30 10:43:34 INFO mapred.JobClient: Running job: job_201210300947_0005
12/10/30 10:43:35 INFO mapred.JobClient:  map 0% reduce 0%
12/10/30 10:43:50 INFO mapred.JobClient: Task Id : attempt_201210300947_0005_m_000000_0, Status : FAILED
java.lang.RuntimeException: java.lang.RuntimeException: java.lang.ClassNotFoundException: org.apache.mahout.math.VectorWritable
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:899)
    at org.apache.hadoop.mapred.JobConf.getOutputValueClass(JobConf.java:929)
    at org.apache.hadoop.mapreduce.JobContext.getOutputValueClass(JobContext.java:145)
    at org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat.getRecordWriter(SequenceFileOutputFormat.java:61)
    at org.apache.hadoop.mapred.MapTask$NewDirectOutputCollector.<init>(MapTask.java:628)
    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:753)
    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:370)
    at org.apache.hadoop.mapred.Child$4.run(Child.java:255)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:415)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1121)
    at org.apache.hadoop.mapred.Child.main(Child.java:249)
Caused by: java.lang.RuntimeException: java.lang.ClassNotFoundException: org.apache.mahout.math.VectorWritable
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:867)
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:891)
    ... 11 more

关于如何解决这个问题的任何想法，或者我是否正在尝试正确地执行此过程？我是 hadoop 和 mahout 的新手，所以如果我正在做一些困难的事情，请告诉我。谢谢!

Answer 1

这是一个非常普遍的问题，几乎可以肯定是您在 hadoop 命令中指定类路径的方式的问题。

hadoop 的工作方式是，在您发出“hadoop”命令后，它会将您的作业发送到 tasktracker 以执行。因此，请务必记住，您的作业是在单独的 JVM 上执行的，具有自己的类路径等。您使用“hadoop”命令所做的部分工作是指定应使用的类路径等。

如果您使用 Maven 作为构建系统，我强烈建议构建一个“ fat jar 子”，使用 shade plugin .这将构建一个包含所有必需依赖项的 jar，并且在向 hadoop 作业添加依赖项时，您不必担心类路径问题，因为您只运送了一个 jar。

如果你不想走这条路，看看this article ，它描述了您的问题和一些可能的解决方案。特别是，这应该适合你:

Include the JAR in the “-libjars” command line option of the hadoop jar … command.