如何在Hadoop的MapReduce程序中處理JSON文件

簡介：

盡量在寫MapReduce程序處理日志時，需要解析JSON配置文件，簡化Java程序和處理邏輯。但是Hadoop本身似乎沒有內置對JSON文件的解析功能，我們不得不求助於第三方JSON工具包。這裡選擇json-simple實現我們的功能。

在Hadoop上執行Java程序的命令如下所示：

[hadoop@localhost]$ hadoop jar my-mapreduce.jar

my-mapreduce.jar是我們進行日志處理的MapReduce程序。現在假定我們需要在其中處理JSON格式的配置文件，這裡忽略如何在Hadoop集群讀取文件的細節，只關注如何使用JSON工具包。下面是簡單的HelloWorld程序：

import org.json.simple.JSONObject;
public class HelloWorld{
    public static void main(String[] args){
        JSONObject obj=new JSONObject();
        obj.put("name","foo");
        obj.put("num",new Integer(100));
        obj.put("balance",new Double(1000.21));
        obj.put("is_vip",new Boolean(true));
        obj.put("nickname",null);
        System.out.print(obj);
    }
}

在HelloWorld程序中，只簡單修改JSON對象，將其內容打印輸出，從而驗證解析修改JSON內容的過程。

編譯：

由於MapReduce程序需提交到Hadoop集群執行，所以HelloWorld依賴的json-simple包必須存在於集群的classpath路徑中，如果集群上沒有對應的jar包。執行HelloWorld會出現如下異常：

Exception in thread "main" java.lang.NoClassDefFoundError: org/json/simple/JSONObject

簡單的解決方法是將json-simple包直接和HelloWorld編譯結果一起打包，然後即可使用命令hadoop jar HelloWorld.jar執行。需將json-simple的jar包解壓再同HelloWorld打包。

編譯命令如下所示：

[hadoop@localhost]$ jar tf json-simple-1.1.1.jar
META-INF/MANIFEST.MF
META-INF/
META-INF/maven/
META-INF/maven/com.googlecode.json-simple/
META-INF/maven/com.googlecode.json-simple/json-simple/
META-INF/maven/com.googlecode.json-simple/json-simple/pom.properties
META-INF/maven/com.googlecode.json-simple/json-simple/pom.xml
org/
org/json/
org/json/simple/
org/json/simple/ItemList.class
org/json/simple/JSONArray.class
org/json/simple/JSONAware.class
org/json/simple/JSONObject.class
org/json/simple/JSONStreamAware.class
org/json/simple/JSONValue.class
org/json/simple/parser/
org/json/simple/parser/ContainerFactory.class
org/json/simple/parser/ContentHandler.class
org/json/simple/parser/JSONParser.class
org/json/simple/parser/ParseException.class
org/json/simple/parser/Yylex.class
org/json/simple/parser/Yytoken.class

[hadoop@localhost]$ unzip json-simple-1.1.1.jar
[hadoop@localhost]$ javac -classpath ./json-simple-1.1.1.jar HelloWorld.java
[hadoop@localhost]$ jar -cfe HelloWorld.jar HelloWorld  HelloWorld.class ./org/

執行HelloWorld

[hadoop@localhost]$ hadoop jar HelloWorld.jar
{"balance":1000.21,"num":100,"nickname":null,"is_vip":true,"name":"foo"}