V2EX = way to explore
V2EX 是一个关于分享和探索的地方
现在注册
已注册用户请  登录
bbx
V2EX  ›  Hadoop

如何测试写好的 hadoop job

  •  
  •   bbx · 2014-10-17 06:16:01 +08:00 · 4146 次点击
    这是一个创建于 3675 天前的主题,其中的信息可能已经有所发展或是发生改变。
    就想知道大家都如何测试的?
    比如平常写好了一个pipeline,跑一次几个小时,为了避免逻辑错误之类的,都如何测试呢?
    目前,我就自己写的一个driver,然后本地测。
    8 条回复    2014-10-18 21:35:26 +08:00
    monkeylyf
        1
    monkeylyf  
       2014-10-17 07:03:09 +08:00
    如果是用Java来调用Native API,个人现在的做法是把mapreduce写的尽量是纯函数调用而尽量避免mapper或者reducer里定义任何具体的逻辑. 这样外调函数可以用JUnit来测, Mapper/Reducer可以用MRUnit
    总之是非常蛋疼的事情。。而且如果input数据比较脏的话一切皆有可能。。
    bbx
        2
    bbx  
    OP
       2014-10-17 07:10:56 +08:00
    @monkeylyf 你的做法也是我们组大部分其他人的做法. 但是有的时候想要测试一个pipeline的话,有很多个mr job,需要一个一个的运行,unit test总觉得不够好。
    mrunit没试过,不知道真正用起来如何
    monkeylyf
        3
    monkeylyf  
       2014-10-17 07:14:59 +08:00
    @bbx 做end-to-end unit test. 我自己写过脚本把这个pipeline的每个component都串起来然后测 这个脚本我自己写了半天 不知道有没有现成的工具 想想就蛋疼阿。。。
    wecoders
        4
    wecoders  
       2014-10-17 08:25:48 +08:00
    使用小数据量进行测试
    bbx
        5
    bbx  
    OP
       2014-10-17 08:35:24 +08:00
    @wecoders ...这谁不知道..
    bbx
        6
    bbx  
    OP
       2014-10-17 08:36:45 +08:00
    @monkeylyf 貌似没有现成得。不过如果pipeline非常大,确实非常蛋疼。。
    monkeylyf
        7
    monkeylyf  
       2014-10-17 12:08:26 +08:00
    @bbx 私以为这种工作量比写这个pipeline还要大 如果抽象出来可以给公司级别的 提供testing framework 说不定是个好主意和机会噢
    sqrabs
        8
    sqrabs  
       2014-10-18 21:35:26 +08:00
    都是写python代码通过hadoop streaming跑job,因为streaming是用stdin、stdout跟hadoop通信的,测试起来就直接通过stdin、stdout看输入输出就好,上层再封一层薄框架就更方便了
    关于   ·   帮助文档   ·   博客   ·   API   ·   FAQ   ·   实用小工具   ·   2475 人在线   最高记录 6679   ·     Select Language
    创意工作者们的社区
    World is powered by solitude
    VERSION: 3.9.8.5 · 21ms · UTC 15:40 · PVG 23:40 · LAX 07:40 · JFK 10:40
    Developed with CodeLauncher
    ♥ Do have faith in what you're doing.