[hadoop] map函数中使用FileSystem对象出现java.lang.NullPointerException的原因及解决办法

问题描述：

在hadoop中处理多个文件，其中每个文件一个map。

我使用的方法为生成一个文件，文件中包含所有要压缩的文件在HDFS上的完整路径。每个map 任务获得一个路径名作为输入。

在eclipse中调试时，map中处理hdfs上的文件用到的FileSystem对象为整个class中的静态成员变量，在eclipse中运行没有错误，打包成jar提交到集群运行，就会在map函数中

FileStatus fileStatus = tmpfs.getFileStatus(inputdir); 
这一句报错 java.lang.NullPointerException  卡了2天，不知到是哪错了。
昨天下午才想到应该是tmpfs是一个空对象，没有赋值。
虽然tmpfs 在最外层的类中声明为静态变量，并且在main函数中有赋值，然而在map函数内还是NullPointer。
之后改为在map函数内部给tmpfs赋值就解决了问题。

这也验证了eclipse中调试运行程序是在本地运行，只不过是调用了hadoop的类库，在8088端口的监控网页上也看不到提交应用的信息。
必须打包成jar，用bin/hadoop jar运行才能真正提交到集群运行。而且main函数内部初始化的静态变量，在map中还是未初始化状态，猜测是集群上运行的map任务，和本地的main函数是互相独立的关系。
 
改正后的代码：

 @Override
         public void map(Object key, Text value,
                 Context context)
         throws
         IOException, InterruptedException {
             Configuration conf = context. getConfiguration();
             FileSystem tmpfs = FileSystem.get(URI.create("hdfs://192.168.2.2:9000"), conf); 
 
             Path inputdir = new Path(value.toString());    //获取待处理的文件的Path对象
             FileStatus fileStatus = tmpfs.getFileStatus(inputdir);
 
                 //做相应处理
 
             context.write(new Text(value.toString()), new Text("  "));
 }    

Configuration conf = context. getConfiguration();//通过context获取job中配置的Configuration对象

FileSystem tmpfs = FileSystem.get(URI.create("hdfs://192.168.2.2:9000"), conf); //需要在map函数内部赋值

附录：

如何处理多个文件，其中每个文件一个map？

例如这样一个问题，在集群上压缩（zipping）一些文件，你可以使用以下几种方法：

1. 使用Hadoop Streaming和用户编写的mapper脚本程序：
   • 生成一个文件，文件中包含所有要压缩的文件在HDFS上的完整路径。每个map 任务获得一个路径名作为输入。
   • 创建一个mapper脚本程序，实现如下功能：获得文件名，把该文件拷贝到本地，压缩该文件并把它发到期望的输出目录。
2. 使用现有的Hadoop框架：
   • 在main函数中添加如下命令：

            FileOutputFormat.setCompressOutput(conf, true);
            FileOutputFormat.setOutputCompressorClass(conf, org.apache.hadoop.io.compress.GzipCodec.class);
            conf.setOutputFormat(NonSplitableTextInputFormat.class);
            conf.setNumReduceTasks(0);

   • 编写map函数：

            public void map(WritableComparable key, Writable value,
                                    OutputCollector output,
                                    Reporter reporter) throws IOException {
                 output.collect((Text)value, null);
            }

   • 注意输出的文件名和原文件名不同