Hadoop 中 DistributedCache 的应用
前一段时间在写一个MapReduce程序时，需要用到一些第三方的Jar包，于是运行程序时需要把这些Jar包一一上传到所有Hadoop节点。
当集群中增加一个节点或换一套集群环境时，又需要重新布置一遍这些Jar包，这样不仅费时，而且还容易遗漏、出错。并且，当我不再需要这些Jar包时，又得一个一个节点去清理。非常耗时。
后来查阅相关资料，发现Hadoop提供一个DistributedCache，用它可以把HDFS中的文件加载到DistributedCache中，当我们需要这些文件时，DistributedCache自动把这些文件下载到集群中节点的本地存储上（mapred.local.dir）。这样就不需要一一布置第三方的Jar包，并且Hadoop集群增加节点也不需要再上传了。
DistributedCache的使用方法，参考http://hadoop.apache.org/common/docs/r0.20.2/api/org/apache/hadoop/filecache/DistributedCache.html。

// Setting up the cache for the application          1. Copy the requisite files to the FileSystem:          $ bin/hadoop fs -copyFromLocal lookup.dat /myapp/lookup.dat       $ bin/hadoop fs -copyFromLocal map.zip /myapp/map.zip       $ bin/hadoop fs -copyFromLocal mylib.jar /myapp/mylib.jar     $ bin/hadoop fs -copyFromLocal mytar.tar /myapp/mytar.tar     $ bin/hadoop fs -copyFromLocal mytgz.tgz /myapp/mytgz.tgz     $ bin/hadoop fs -copyFromLocal mytargz.tar.gz /myapp/mytargz.tar.gz          2. Setup the application's JobConf:          JobConf job = new JobConf();     DistributedCache.addCacheFile(new URI("/myapp/lookup.dat#lookup.dat"),                                    job);     DistributedCache.addCacheArchive(new URI("/myapp/map.zip", job);     DistributedCache.addFileToClassPath(new Path("/myapp/mylib.jar"), job);     DistributedCache.addCacheArchive(new URI("/myapp/mytar.tar", job);     DistributedCache.addCacheArchive(new URI("/myapp/mytgz.tgz", job);     DistributedCache.addCacheArchive(new URI("/myapp/mytargz.tar.gz", job);          3. Use the cached files in the Mapper     or Reducer:          public static class MapClass extends MapReduceBase       implements Mapper<K, V, K, V> {            private Path[] localArchives;       private Path[] localFiles;              public void configure(JobConf job) {         // Get the cached archives/files         localArchives = DistributedCache.getLocalCacheArchives(job);         localFiles = DistributedCache.getLocalCacheFiles(job);       }              public void map(K key, V value,                        OutputCollector<K, V> output, Reporter reporter)        throws IOException {         // Use data from the cached archives/files here         // ...         // ...         output.collect(k, v);       }     }

DistributedCache 不光对第三方Jar有用，对于Read-Only的数据都可以，这样也扩展了我们编写MapReduce程序的思路。