Aquí está mi código que se conecta a la máquina hadoop y realiza un conjunto de validación y escribe en otro directorio.

      public class Main{

            public static void main(String...strings){

        System.setProperty("HADOOP_USER_NAME", "root");
        String in1 = "hdfs://myserver/user/root/adnan/inputfile.txt";
        String out = "hdfs://myserver/user/root/cascading/temp2";

        Properties properties = new Properties();
        AppProps.setApplicationJarClass(properties, Main.class);
        HadoopFlowConnector flowConnector = new HadoopFlowConnector(properties);

        Tap inTap = new Hfs(new TextDelimited(true, ","), in1);
        Tap outTap = new Hfs(new TextDelimited(true, ","), out);

        Pipe inPipe = new Pipe("in1");  

        Each removeErrors = new Each(inPipe, Fields.ALL, new BigFilter());
        GroupBy group = new GroupBy(removeErrors, getGroupByFields(fieldCols));
        Every mergeGroup = new Every(group, Fields.ALL, new MergeGroupAggregator(fieldCols), Fields.RESULTS);

        FlowDef flowDef = FlowDef.flowDef()
                .addSource(inPipe, inTap)
                .addTailSink(mergeGroup, outTap);

        flowConnector.connect(flowDef).complete();

}

Mi trabajo está siendo enviado a la máquina hadoop. Puedo comprobar esto en el rastreador de trabajo. pero el trabajo está fallando y obtengo una excepción a continuación.

cascading.tap.hadoop.io.MultiInputSplit no se encuentra en org.apache.hadoop.mapred.MapTask.getSplitDetails (MapTask.java:348) en org.apache.hadoop.mapred.MapTask.runOldMapper (MapTask). org.apache.hadoop.mapred.MapTask.run (MapTask.java:333) en org.apache.hadoop.mapred.Child $ 4.run (Child.java:268) en java.security.AccessController.doPrivileged (Método Nativo) en javax.security.auth.Subject.doAs (Subject.java:415) en org.apache.hadoop.security.UserGroupInformation.doAs (UserGroupInformation.java:1408) en org.apache.hadoop.mapred.Child.main (Niño) .java: 262) Causado por: java.lang.ClassNotFoundException: La clase cascading.tap.hadoop.io.MultiInputSplit no se encuentra en org.apache.hadoop.conf.Configuration.getClassByName (Configuration.java:1493) en org.apache. hadoop.mapred.MapTask.getSplitDetails (MapTask.java:346) ... 7 más

java.lang.ClassNotFoundException: no se encontró la clase cascading.tap.hadoop.io.MultiInputSplit en org.apache.hadoop.conf.Configuration.getClassByName (Configuration.java:1493)

Tenga en cuenta que: 1. Estoy ejecutando esto desde mi máquina Windows y hadoop está configurado en una caja diferente. 2. Estoy usando la distribución cloudera para hadoop que es CDH 4.