MR历史记录服务器_Hadoop 中文网

Hadoop 文档

General

Common

HDFS

MapReduce

MapReduce REST APIs

YARN

YARN REST APIs

YARN Service

Submarine

Hadoop Compatible File Systems

Auth

Tools

Reference

Configuration

总览
历史记录服务器信息API
MapReduce API

总览

历史记录服务器REST API允许用户获取已完成应用程序的状态。

历史记录服务器信息API

历史记录服务器信息资源提供有关历史记录服务器的总体信息。

URI

以下两个URI均从appid值标识的应用程序id中为您提供了历史服务器信息。

http：// history-server-http-address：port / ws / v1 / history
- http：// history-server-http-address：port / ws / v1 / history / info

支持HTTP操作

得到

查询参数支持

  没有

historyInfo对象的元素

项目	数据类型	描述
startsOn	长	历史记录服务器启动的时间（从纪元开始以毫秒为单位）
hadoopVersion	串	Hadoop通用版本
hadoopBuildVersion	串	具有构建版本，用户和校验和的Hadoop通用构建字符串
hadoopVersionBuiltOn	串	构建hadoop common的时间戳

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / info

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ historyInfo”：{
      “ startedOn”：1353512830963，
      “ hadoopVersionBuiltOn”：“ UTC 2012年1月11日星期三21:18:36”，
      “ hadoopBuildVersion”：“来自user1源校验和bb6e554c6d50b0397d826081017437a7的1230253中的0.23.1-SNAPSHOT”，
      “ hadoopVersion”：“ 0.23.1-SNAPSHOT”
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / info
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：330
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<historyInfo>
  <startedOn> 1353512830963 </ startedOn>
  <hadoopVersion> 0.23.1-快照</ hadoopVersion>
  <hadoopBuildVersion>来自user1源校验和bb6e554c6d50b0397d826081017437a7的1230253的0.23.1-SNAPSHOT </ hadoopBuildVersion>
  <hadoopVersionBuiltOn> 2012年1月11日星期三UTC时间</ hadoopVersionBuiltOn>
</ historyInfo>

MapReduce API

以下资源列表适用于MapReduce。

Jobs API

作业资源提供了已完成的MapReduce作业的列表。它当前不返回完整的参数列表

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs

支持HTTP操作

得到

查询参数支持

可以指定多个参数。开始时间和结束时间都有一个begin和end参数，以允许您指定范围。例如，可以请求在2011年12月19日凌晨1:00和下午2:00之间开始的所有作业，其中startedTimeBegin = 1324256400＆startedTimeEnd = 1324303200。如果未指定Begin参数，则默认为0，如果未指定End参数，则默认为infinity。

用户-用户名
- 状态-工作状态
- 队列-队列名称
- 限制-要返回的应用程序对象总数
- startsTimeBegin-起始时间从该时间开始的作业，从纪元开始以毫秒为单位指定
- startsTimeEnd-开始时间以该时间结束的作业，从纪元开始以毫秒为单位指定
- finishTimeBegin-结束时间从该时间开始的作业，从纪元开始以毫秒为单位指定
- finishTimeEnd-结束时间以该时间结束的作业，从纪元开始以毫秒为单位指定

工作对象的元素

当您请求作业列表时，信息将作为作业对象数组返回。另请参见Job API，以获取作业对象的语法。除此之外，这是一项完整工作的一部分。仅返回startTime，finishTime，id，名称，队列，用户，状态，mapsTotal，mapsCompleted，reduceTotal和reducesCompleted。

项目	数据类型	描述
工作	作业对象数组（json）/零个或多个作业对象（XML）	作业对象的集合

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “职位” ： {
      “工作”：[
         {
            “ submitTime”：1326381344449，
            “ state”：“ Succeeded”，
            “ user”：“ user1”，
            “ reducesTotal”：1
            “ mapsCompleted”：1
            “ startTime”：1326381344489，
            “ id”：“ job_1326381300833_1_1”，
            “ name”：“字数”，
            “ reducesCompleted”：1，
            “ mapsTotal”：1
            “ queue”：“默认”，
            “ finishTime”：1326381356010
         }，
         {
            “ submitTime”：1326381446500
            “ state”：“ Succeeded”，
            “ user”：“ user1”，
            “ reducesTotal”：1
            “ mapsCompleted”：1
            “ startTime”：1326381446529，
            “ id”：“ job_1326381300833_2_2”，
            “ name”：“睡眠工作”，
            “ reducesCompleted”：1，
            “ mapsTotal”：1
            “ queue”：“默认”，
            “ finishTime”：1326381582106
         }
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：1922
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<职位>
  <工作>
    <submitTime> 1326381344449 </ submitTime>
    <startTime> 1326381344489 </ startTime>
    <finishTime> 1326381356010 </ finishTime>
    <id> job_1326381300833_1_1 </ id>
    <name>字数</ name>
    <queue>默认</ queue>
    <user> user1 </ user>
    <state>成功</ state>
    <mapsTotal> 1 </ mapsTotal>
    <mapsCompleted> 1 </ mapsCompleted>
    <reducesTotal> 1 </ reducesTotal>
    <reducesCompleted> 1 </ reducesCompleted>
  </ job>
  <工作>
    <submitTime> 1326381446500 </ submitTime>
    <startTime> 1326381446529 </ startTime>
    <finishTime> 1326381582106 </ finishTime>
    <id> job_1326381300833_2_2 </ id>
    <name>睡眠作业</ name>
    <queue>默认</ queue>
    <user> user1 </ user>
    <state>成功</ state>
    <mapsTotal> 1 </ mapsTotal>
    <mapsCompleted> 1 </ mapsCompleted>
    <reducesTotal> 1 </ reducesTotal>
    <reducesCompleted> 1 </ reducesCompleted>
  </ job>
</ jobs>

作业API

作业资源包含有关由Jobid标识的特定作业的信息。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid}

支持HTTP操作

得到

查询参数支持

  没有

工作对象的元素

项目	数据类型	描述
ID	串	工作编号
名称	串	工作名称
队列	串	作业提交到的队列
用户	串	用户名
州	串	作业状态-有效值为：NEW，INITED，RUNNING，Succeeded，FAILED，KILL_WAIT，KILLED，ERROR
诊断	串	诊断消息
SubmitTime	长	作业提交的时间（自纪元以来以毫秒为单位）
开始时间	长	作业开始的时间（从纪元开始以毫秒为单位）
finishTime	长	作业完成的时间（从开始到现在的毫秒数）
mapsTotal	整型	地图总数
mapsCompleted	整型	完成的地图数
reduceTotal	整型	减少总数
reduceCompleted	整型	完成数量减少
超级	布尔值	指示该作业是否为超级作业-完全在应用程序主服务器中运行
avgMapTime	长	映射任务的平均时间（毫秒）
avgReduceTime	长	平均减少时间（毫秒）
avgShuffleTime	长	随机播放的平均时间（毫秒）
avgMergeTime	长	合并的平均时间（毫秒）
failedReduce尝试	整型	减少尝试失败的次数
减少尝试	整型	减少尝试的失败次数
成功减少尝试	整型	成功减少尝试的次数
failedMapAttempts	整型	失败的映射尝试次数
KilledMapAttempts	整型	被杀死的地图尝试次数
successMapAttempts	整型	成功的地图尝试次数
ACL	acls（json）/零个或多个acls对象（xml）的数组	ACLS对象的集合

acls对象的元素

项目	数据类型	描述
值	串	ACL值
名称	串	ACL名称

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  服务器：码头（6.1.26）
  内容长度：720

响应主体：

{
   “工作”：{
      “ submitTime”：1326381446500，
      “ avgReduceTime”：124961，
      “ failedReduceAttempts”：0，
      “ state”：“ Succeeded”，
      “ successfulReduceAttempts”：1，
      “ acls”：[
         {
            “ value”：“”，
            “名称”：“ mapreduce.job.acl-modify-job”
         }，
         {
            “ value”：“”，
            “名称”：“ mapreduce.job.acl-view-job”
         }
      ]，
      “ user”：“ user1”，
      “ reducesTotal”：1
      “ mapsCompleted”：1
      “ startTime”：1326381446529，
      “ id”：“ job_1326381300833_2_2”，
      “ avgMapTime”：2638，
      “ successfulMapAttempts”：1
      “ name”：“睡眠工作”，
      “ avgShuffleTime”：2540，
      “ reducesCompleted”：1，
      “诊断”：“”，
      “ failedMapAttempts”：0，
      “ avgMergeTime”：2589，
      “ killedReduceAttempts”：0，
      “ mapsTotal”：1
      “ queue”：“默认”，
      “ uberized”：错误，
      “ killedMapAttempts”：0，
      “ finishTime”：1326381582106
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：983
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<工作>
  <submitTime> 1326381446500 </ submitTime>
  <startTime> 1326381446529 </ startTime>
  <finishTime> 1326381582106 </ finishTime>
  <id> job_1326381300833_2_2 </ id>
  <name>睡眠作业</ name>
  <queue>默认</ queue>
  <user> user1 </ user>
  <state>成功</ state>
  <mapsTotal> 1 </ mapsTotal>
  <mapsCompleted> 1 </ mapsCompleted>
  <reducesTotal> 1 </ reducesTotal>
  <reducesCompleted> 1 </ reducesCompleted>
  <uberized> false </ uberized>
  <diagnostics />
  <avgMapTime> 2638 </ avgMapTime>
  <avgReduceTime> 124961 </ avgReduceTime>
  <avgShuffleTime> 2540 </ avgShuffleTime>
  <avgMergeTime> 2589 </ avgMergeTime>
  <failedReduceAttempts> 0 </ failedReduceAttempts>
  <killedReduceAttempts> 0 </ killedReduceAttempts>
  <successfulReduceAttempts> 1 </ successfulReduceAttempts>
  <failedMapAttempts> 0 </ failedMapAttempts>
  <killedMapAttempts> 0 </ killedMapAttempts>
  <successfulMapAttempts> 1 </ successfulMapAttempts>
  <acls>
    <name> mapreduce.job.acl-modify-job </ name>
    <value> </ value>
  </ acls>
  <acls>
    <name> mapreduce.job.acl-view-job </ name>
    <value> </ value>
  </ acls>
</ job>

工作尝试API

使用作业尝试API，您可以获得代表作业尝试的资源集合。在此资源上运行GET操作时，您将获得一个Job Attempt对象的集合。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / jobattempts

支持HTTP操作

得到

查询参数支持

  没有

jobAttempts对象的元素

当您请求作业尝试列表时，该信息将作为作业尝试对象数组返回。

工作尝试：

项目	数据类型	描述
工作尝试	作业尝试对象数组（JSON）/零个或多个作业尝试对象（XML）	作业尝试对象的集合

jobAttempt对象的元素

项目	数据类型	描述
ID	串	工作尝试编号
nodeId	串	尝试运行的节点的节点ID
nodeHttpAddress	串	尝试运行的节点的节点http地址
logsLink	串	作业尝试日志的http链接
containerId	串	尝试作业的容器的ID
开始时间	长	尝试的开始时间（自纪元以来以毫秒为单位）

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / jobattempts

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ jobAttempts”：{
      “ jobAttempt”：[
         {
            “ nodeId”：“ host.domain.com:8041”，
            “ nodeHttpAddress”：“ host.domain.com:8042”，
            “ startTime”：1326381444693，
            “ id”：1
            “ logsLink”：“ http://host.domain.com:19888/jobhistory/logs/host.domain.com:8041/container_1326381300833_0002_01_000001/job_1326381300833_2_2/user1”，
            “ containerId”：“ container_1326381300833_0002_01_000001”
         }
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / jobattmpts
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：575
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<jobAttempts>
  <jobAttempt>
    <nodeHttpAddress> host.domain.com:8042 </ nodeHttpAddress>
    <nodeId> host.domain.com:8041 </ nodeId>
    <id> 1 </ id>
    <startTime> 1326381444693 </ startTime>
    <containerId> container_1326381300833_0002_01_000001 </ containerId>
    <logsLink> http://host.domain.com:19888/jobhistory/logs/host.domain.com:8041/container_1326381300833_0002_01_000001/job_1326381300833_2_2/user1 </ logsLink>
  </ jobAttempt>
</ jobAttempts>

作业计数器API

使用作业计数器API，您可以反对代表该作业的计数器的资源集合。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / counters

支持HTTP操作

得到

查询参数支持

  没有

jobCounters对象的元素

项目	数据类型	描述
ID	串	工作编号
柜台集团	counterGroup对象的数组（JSON）/零个或多个counterGroup对象的XML	计数器组对象的集合

counterGroup对象的元素

项目	数据类型	描述
counterGroupName	串	柜台组名称
计数器	计数器对象数组（JSON）/零个或多个计数器对象（XML）	柜台对象的集合

计数器对象的元素

项目	数据类型	描述
名称	串	柜台名称
reduceCounterValue	长	减少任务的计数器值
mapCounterValue	长	地图任务的对价
totalCounterValue	长	所有任务的对价

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / counters

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ jobCounters”：{
      “ id”：“ job_1326381300833_2_2”，
      “ counterGroup”：[
         {
            “ counterGroupName”：“随机播放错误”，
            “柜台”：[
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ BAD_ID”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“连接”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ IO_ERROR”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ WRONG_LENGTH”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ WRONG_MAP”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ WRONG_REDUCE”
               }
            ]
          }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.FileSystemCounter”，
            “柜台”：[
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：2483，
                  “名称”：“ FILE_BYTES_READ”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：108525，
                  “名称”：“ FILE_BYTES_WRITTEN”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ FILE_READ_OPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ FILE_LARGE_READ_OPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ FILE_WRITE_OPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：48，
                  “名称”：“ HDFS_BYTES_READ”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ HDFS_BYTES_WRITTEN”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1
                  “名称”：“ HDFS_READ_OPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ HDFS_LARGE_READ_OPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ HDFS_WRITE_OPS”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.TaskCounter”，
            “柜台”：[
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1
                  “名称”：“ MAP_INPUT_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1200，
                  “名称”：“ MAP_OUTPUT_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：4800，
                  “名称”：“ MAP_OUTPUT_BYTES”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：2235，
                  “名称”：“ MAP_OUTPUT_MATERIALIZED_BYTES”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：48，
                  “名称”：“ SPLIT_RAW_BYTES”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ COMBINE_INPUT_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ COMBINE_OUTPUT_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1200，
                  “名称”：“ REDUCE_INPUT_GROUPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：2235，
                  “名称”：“ REDUCE_SHUFFLE_BYTES”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1200，
                  “名称”：“ REDUCE_INPUT_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ REDUCE_OUTPUT_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：2400，
                  “名称”：“ SPILLED_RECORDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1
                  “名称”：“ SHUFFLED_MAPS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ FAILED_SHUFFLE”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1
                  “名称”：“ MERGED_MAP_OUTPUTS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：113，
                  “名称”：“ GC_TIME_MILLIS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：1830，
                  “名称”：“ CPU_MILLISECONDS”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：478068736，
                  “名称”：“ PHYSICAL_MEMORY_BYTES”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：2159284224，
                  “名称”：“ VIRTUAL_MEMORY_BYTES”
               }，
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：378863616，
                  “名称”：“ COMMITTED_HEAP_BYTES”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.lib.input.FileInputFormatCounter”，
            “柜台”：[
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ BYTES_READ”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter”，
            “柜台”：[
               {
                  “ reduceCounterValue”：0，
                  “ mapCounterValue”：0，
                  “ totalCounterValue”：0，
                  “名称”：“ BYTES_WRITTEN”
               }
            ]
         }
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / counters
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：7030
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<jobCounters>
  <id> job_1326381300833_2_2 </ id>
  <counterGroup>
    <counterGroupName>随机播放错误</ counterGroupName>
    <计数器>
      <name> BAD_ID </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> CONNECTION </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> IO_ERROR </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> WRONG_LENGTH </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> WRONG_MAP </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> WRONG_REDUCE </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
  </ counterGroup>
  <counterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.FileSystemCounter </ counterGroupName>
    <计数器>
      <name> FILE_BYTES_READ </ name>
      <totalCounterValue> 2483 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> FILE_BYTES_WRITTEN </ name>
      <totalCounterValue> 108525 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <名称> FILE_READ_OPS </名称>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <名称> FILE_LARGE_READ_OPS </名称>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <名称> FILE_WRITE_OPS </名称>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> HDFS_BYTES_READ </ name>
      <totalCounterValue> 48 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> HDFS_BYTES_WRITTEN </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> HDFS_READ_OPS </ name>
      <totalCounterValue> 1 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> HDFS_LARGE_READ_OPS </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> HDFS_WRITE_OPS </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
  </ counterGroup>
  <counterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.TaskCounter </ counterGroupName>
    <计数器>
      <名称> MAP_INPUT_RECORDS </名称>
      <totalCounterValue> 1 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <名称> MAP_OUTPUT_RECORDS </名称>
      <totalCounterValue> 1200 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <名称> MAP_OUTPUT_BYTES </名称>
      <totalCounterValue> 4800 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> MAP_OUTPUT_MATERIALIZED_BYTES </ name>
      <totalCounterValue> 2235 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> SPLIT_RAW_BYTES </ name>
      <totalCounterValue> 48 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> COMBINE_INPUT_RECORDS </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> COMBINE_OUTPUT_RECORDS </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> REDUCE_INPUT_GROUPS </ name>
      <totalCounterValue> 1200 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> REDUCE_SHUFFLE_BYTES </ name>
      <totalCounterValue> 2235 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> REDUCE_INPUT_RECORDS </ name>
      <totalCounterValue> 1200 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> REDUCE_OUTPUT_RECORDS </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> SPILLED_RECORDS </ name>
      <totalCounterValue> 2400 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> SHUFFLED_MAPS </ name>
      <totalCounterValue> 1 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> FAILED_SHUFFLE </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> MERGED_MAP_OUTPUTS </ name>
      <totalCounterValue> 1 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> GC_TIME_MILLIS </ name>
      <totalCounterValue> 113 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <名称> CPU_MILLISECONDS </名称>
      <totalCounterValue> 1830 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> PHYSICAL_MEMORY_BYTES </ name>
      <totalCounterValue> 478068736 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> VIRTUAL_MEMORY_BYTES </ name>
      <totalCounterValue> 2159284224 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
    <计数器>
      <name> COMMITTED_HEAP_BYTES </ name>
      <totalCounterValue> 378863616 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
  </ counterGroup>
  <counterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.lib.input.FileInputFormatCounter </ counterGroupName>
    <计数器>
      <name> BYTES_READ </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
  </ counterGroup>
  <counterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter </ counterGroupName>
    <计数器>
      <name> BYTES_WRITTEN </ name>
      <totalCounterValue> 0 </ totalCounterValue>
      <mapCounterValue> 0 </ mapCounterValue>
      <reduceCounterValue> 0 </ reduceCounterValue>
    </ counter>
  </ counterGroup>
</ jobCounters>

Job Conf API

作业配置资源包含有关此作业的作业配置的信息。

URI

使用以下URI从Jobid值标识的作业中获取作业配置信息。

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / conf

支持HTTP操作

得到

查询参数支持

  没有

conf对象的元素

项目	数据类型	描述
路径	串	作业配置文件的路径
属性	配置属性（JSON）/零个或多个配置属性（XML）的数组	配置属性对象的集合

属性对象的元素

项目	数据类型	描述
名称	串	配置属性的名称
值	串	配置属性的值
资源	串	此配置对象来自的位置。如果有多个，则在列表末尾显示历史记录，并带有最新来源。

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / conf

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

如果输出很大，这是输出的一小段。实际输出包含作业配置文件中的每个属性。

{
   “ conf”：{
      “ path”：“ hdfs：//host.domain.com：9000 / user / user1 / .staging / job_1326381300833_0002 / job.xml”，
      “财产”：[
         {
            “ value”：“ / home / hadoop / hdfs / data”，
            “名称”：“ dfs.datanode.data.dir”
            “源”：[“ hdfs-site.xml”，“ job.xml”]
         }，
         {
            “ value”：“ org.apache.hadoop.yarn.server.webproxy.amfilter.AmFilterInitializer”，
            “ name”：“ hadoop.http.filter.initializers”
            “源”：[“以编程方式”，“ job.xml”]
         }，
         {
            “ value”：“ / home / hadoop / tmp”，
            “名称”：“ mapreduce.cluster.temp.dir”
            “源”：[“ mapred-site.xml”]
         }，
         ...
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / conf
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：552
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<conf>
  <path> hdfs：//host.domain.com：9000 / user / user1 / .staging / job_1326381300833_0002 / job.xml </ path>
  <属性>
    <name> dfs.datanode.data.dir </ name>
    <value> / home / hadoop / hdfs / data </ value>
    <source> hdfs-site.xml </ source>
    <source> job.xml </ source>
  </ property>
  <属性>
    <name> hadoop.http.filter.initializers </ name>
    <value> org.apache.hadoop.yarn.server.webproxy.amfilter.AmFilterInitializer </ value>
    <source>以编程方式</ source>
    <source> job.xml </ source>
  </ property>
  <属性>
    <name> mapreduce.cluster.temp.dir </ name>
    <值> / home / hadoop / tmp </值>
    <source> mapred-site.xml </ source>
  </ property>
  ...
</ conf>

任务API

使用任务API，您可以获得代表作业中任务的资源集合。在此资源上运行GET操作时，您将获得任务对象的集合。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / tasks

支持HTTP操作

得到

查询参数支持

type-任务类型，有效值为m或r。m表示地图任务，r表示缩小任务。

任务对象的元素

当您请求任务列表时，信息将作为任务对象数组返回。另请参阅任务API，以获取任务对象的语法。

项目	数据类型	描述
任务	任务对象数组（JSON）/零个或多个任务对象（XML）	任务对象的集合。

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “任务” ： {
      “任务”：[
         {
            “进度”：100，
            “ elapsedTime”：6777，
            “ state”：“ Succeeded”，
            “ startTime”：1326381446541，
            “ id”：“ task_1326381300833_2_2_m_0”，
            “ type”：“ MAP”，
            “ successfulAttempt”：“ attempt_1326381300833_2_2_m_0_0”，
            “ finishTime”：1326381453318
         }，
         {
            “进度”：100，
            “ elapsedTime”：135559，
            “ state”：“ Succeeded”，
            “ startTime”：1326381446544，
            “ id”：“ task_1326381300833_2_2_r_0”，
            “ type”：“ REDUCE”，
            “ successfulAttempt”：“ attempt_1326381300833_2_2_r_0_0”，
            “ finishTime”：1326381582103
         }
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：653
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<任务>
  <任务>
    <startTime> 1326381446541 </ startTime>
    <finishTime> 1326381453318 </ finishTime>
    <elapsedTime> 6777 </ elapsedTime>
    <progress> 100.0 </ progress>
    <id> task_1326381300833_2_2_m_0 </ id>
    <state>成功</ state>
    <type> MAP </ type>
    <successfulAttempt> attempt_1326381300833_2_2_m_0_0 </ successfulAttempt>
  </ task>
  <任务>
    <startTime> 1326381446544 </ startTime>
    <finishTime> 1326381582103 </ finishTime>
    <elapsedTime> 135559 </ elapsedTime>
    <progress> 100.0 </ progress>
    <id> task_1326381300833_2_2_r_0 </ id>
    <state>成功</ state>
    <type> REDUCE </ type>
    <successfulAttempt> attempt_1326381300833_2_2_r_0_0 </ successfulAttempt>
  </ task>
</ tasks>

任务API

任务资源包含有关作业中特定任务的信息。

URI

使用以下URI从taskid值标识的任务中获取任务对象。

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / tasks / {taskid}

支持HTTP操作

得到

查询参数支持

  没有

任务对象的元素

项目	数据类型	描述
ID	串	任务ID
州	串	任务的状态-有效值为：NEW，SCHEDULED，RUNNING，Succeeded，FAILED，KILL_WAIT，KILLED
类型	串	任务类型-MAP或REDUCE
成功尝试	串	上次成功尝试的ID
进展	浮动	任务进度百分比
开始时间	长	任务开始的时间（自时期起以毫秒为单位）；如果从未启动，则为-1
finishTime	长	任务完成的时间（从纪元开始以毫秒为单位）
经过时间	长	自应用程序启动以来经过的时间（以毫秒为单位）

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “任务”：{
      “进度”：100，
      “ elapsedTime”：6777，
      “ state”：“ Succeeded”，
      “ startTime”：1326381446541，
      “ id”：“ task_1326381300833_2_2_m_0”，
      “ type”：“ MAP”，
      “ successfulAttempt”：“ attempt_1326381300833_2_2_m_0_0”，
      “ finishTime”：1326381453318
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：299
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<任务>
  <startTime> 1326381446541 </ startTime>
  <finishTime> 1326381453318 </ finishTime>
  <elapsedTime> 6777 </ elapsedTime>
  <progress> 100.0 </ progress>
  <id> task_1326381300833_2_2_m_0 </ id>
  <state>成功</ state>
  <type> MAP </ type>
  <successfulAttempt> attempt_1326381300833_2_2_m_0_0 </ successfulAttempt>
</ task>

任务计数器API

使用任务计数器API，您可以反对代表该任务所有计数器的资源集合。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / tasks / {taskid} / counters

支持HTTP操作

得到

查询参数支持

  没有

jobTaskCounters对象的元素

项目	数据类型	描述
ID	串	任务ID
taskcounterGroup	counterGroup对象的数组（JSON）/零个或多个counterGroup对象的XML	计数器组对象的集合

counterGroup对象的元素

项目	数据类型	描述
counterGroupName	串	柜台组名称
计数器	计数器对象数组（JSON）/零个或多个计数器对象（XML）	柜台对象的集合

计数器对象的元素

项目	数据类型	描述
名称	串	柜台名称
值	长	柜台的价值

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / counters

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ jobTaskCounters”：{
      “ id”：“ task_1326381300833_2_2_m_0”，
      “ taskCounterGroup”：[
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.FileSystemCounter”，
            “柜台”：[
               {
                  “值”：2363，
                  “名称”：“ FILE_BYTES_READ”
               }，
               {
                  “值”：54372，
                  “名称”：“ FILE_BYTES_WRITTEN”
               }，
               {
                  “值”：0，
                  “名称”：“ FILE_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ FILE_LARGE_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ FILE_WRITE_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_BYTES_READ”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_BYTES_WRITTEN”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_LARGE_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_WRITE_OPS”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.TaskCounter”，
            “柜台”：[
               {
                  “值”：0，
                  “名称”：“ COMBINE_INPUT_RECORDS”
               }，
               {
                  “值”：0，
                  “名称”：“ COMBINE_OUTPUT_RECORDS”
               }，
               {
                  “值”：460，
                  “名称”：“ REDUCE_INPUT_GROUPS”
               }，
               {
                  “值”：2235，
                  “名称”：“ REDUCE_SHUFFLE_BYTES”
               }，
               {
                  “值”：460，
                  “名称”：“ REDUCE_INPUT_RECORDS”
               }，
               {
                  “值”：0，
                  “名称”：“ REDUCE_OUTPUT_RECORDS”
               }，
               {
                  “值”：0，
                  “名称”：“ SPILLED_RECORDS”
               }，
               {
                  “值”：1
                  “名称”：“ SHUFFLED_MAPS”
               }，
               {
                  “值”：0，
                  “名称”：“ FAILED_SHUFFLE”
               }，
               {
                  “值”：1
                  “名称”：“ MERGED_MAP_OUTPUTS”
               }，
               {
                  “值”：26，
                  “名称”：“ GC_TIME_MILLIS”
               }，
               {
                  “值”：860，
                  “名称”：“ CPU_MILLISECONDS”
               }，
               {
                  “值”：107839488，
                  “名称”：“ PHYSICAL_MEMORY_BYTES”
               }，
               {
                  “值”：1123147776，
                  “名称”：“ VIRTUAL_MEMORY_BYTES”
               }，
               {
                  “值”：57475072，
                  “名称”：“ COMMITTED_HEAP_BYTES”
               }
            ]
         }，
         {
            “ counterGroupName”：“随机播放错误”，
            “柜台”：[
               {
                  “值”：0，
                  “名称”：“ BAD_ID”
               }，
               {
                  “值”：0，
                  “名称”：“连接”
               }，
               {
                  “值”：0，
                  “名称”：“ IO_ERROR”
               }，
               {
                  “值”：0，
                  “名称”：“ WRONG_LENGTH”
               }，
               {
                  “值”：0，
                  “名称”：“ WRONG_MAP”
               }，
               {
                  “值”：0，
                  “名称”：“ WRONG_REDUCE”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter”，
            “柜台”：[
               {
                  “值”：0，
                  “名称”：“ BYTES_WRITTEN”
               }
            ]
         }
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / counters
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：2660
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<jobTaskCounters>
  <id> task_1326381300833_2_2_m_0 </ id>
  <taskCounterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.FileSystemCounter </ counterGroupName>
    <计数器>
      <name> FILE_BYTES_READ </ name>
      <value> 2363 </ value>
    </ counter>
    <计数器>
      <name> FILE_BYTES_WRITTEN </ name>
      <value> 54372 </ value>
    </ counter>
    <计数器>
      <名称> FILE_READ_OPS </名称>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <名称> FILE_LARGE_READ_OPS </名称>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <名称> FILE_WRITE_OPS </名称>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_BYTES_READ </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_BYTES_WRITTEN </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_READ_OPS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_LARGE_READ_OPS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_WRITE_OPS </ name>
      <value> 0 </ value>
    </ counter>
  </ taskCounterGroup>
  <taskCounterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.TaskCounter </ counterGroupName>
    <计数器>
      <name> COMBINE_INPUT_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> COMBINE_OUTPUT_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_INPUT_GROUPS </ name>
      <value> 460 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_SHUFFLE_BYTES </ name>
      <value> 2235 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_INPUT_RECORDS </ name>
      <value> 460 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_OUTPUT_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> SPILLED_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> SHUFFLED_MAPS </ name>
      <value> 1 </ value>
    </ counter>
    <计数器>
      <name> FAILED_SHUFFLE </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> MERGED_MAP_OUTPUTS </ name>
      <value> 1 </ value>
    </ counter>
    <计数器>
      <name> GC_TIME_MILLIS </ name>
      <value> 26 </ value>
    </ counter>
    <计数器>
      <名称> CPU_MILLISECONDS </名称>
      <value> 860 </ value>
    </ counter>
    <计数器>
      <name> PHYSICAL_MEMORY_BYTES </ name>
      <value> 107839488 </ value>
    </ counter>
    <计数器>
      <name> VIRTUAL_MEMORY_BYTES </ name>
      <value> 1123147776 </ value>
    </ counter>
    <计数器>
      <name> COMMITTED_HEAP_BYTES </ name>
      <value> 57475072 </ value>
    </ counter>
  </ taskCounterGroup>
  <taskCounterGroup>
    <counterGroupName>随机播放错误</ counterGroupName>
    <计数器>
      <name> BAD_ID </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> CONNECTION </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> IO_ERROR </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> WRONG_LENGTH </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> WRONG_MAP </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> WRONG_REDUCE </ name>
      <value> 0 </ value>
    </ counter>
  </ taskCounterGroup>
  <taskCounterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter </ counterGroupName>
    <计数器>
      <name> BYTES_WRITTEN </ name>
      <value> 0 </ value>
    </ counter>
  </ taskCounterGroup>
</ jobTaskCounters>

任务尝试API

使用任务尝试API，您可以获得代表作业中任务尝试的资源集合。在此资源上运行GET操作时，将获得“任务尝试对象”的集合。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / tasks / {taskid} / attempts

支持HTTP操作

得到

查询参数支持

  没有

taskAttempts对象的元素

当您请求任务尝试列表时，该信息将作为任务尝试对象数组返回。另请参阅Task Attempt API，以获取任务对象的语法。

项目	数据类型	描述
taskAttempt	任务尝试对象（JSON）/零个或多个任务尝试对象（XML）的数组	任务尝试对象的集合

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / attempts

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ taskAttempts”：{
      “ taskAttempt”：[
         {
            “ assignedContainerId”：“ container_1326381300833_0002_01_000002”，
            “进度”：100，
            “ elapsedTime”：2638，
            “ state”：“ Succeeded”，
            “诊断”：“”，
            “ rack”：“ / 98.139.92.0”，
            “ nodeHttpAddress”：“ host.domain.com:8042”，
            “ startTime”：1326381450680，
            “ id”：“ attempt_1326381300833_2_2_m_0_0”，
            “ type”：“ MAP”，
            “ finishTime”：1326381453318
         }
      ]
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / attempts
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：537
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<taskAttempts>
  <taskAttempt>
    <startTime> 1326381450680 </ startTime>
    <finishTime> 1326381453318 </ finishTime>
    <elapsedTime> 2638 </ elapsedTime>
    <progress> 100.0 </ progress>
    <id> attempt_1326381300833_2_2_m_0_0 </ id>
    <rack> /98.139.92.0 </ rack>
    <state>成功</ state>
    <nodeHttpAddress> host.domain.com:8042 </ nodeHttpAddress>
    <diagnostics />
    <type> MAP </ type>
    <assignedContainerId> container_1326381300833_0002_01_000002 </ assignedContainerId>
  </ taskAttempt>
</ taskAttempts>

任务尝试API

任务尝试资源包含有关作业中特定任务尝试的信息。

URI

使用以下URI从tryid值标识的任务中获取任务尝试对象。

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / tasks / {taskid} / attempts / {attemptid}

支持HTTP操作

得到

查询参数支持

  没有

taskAttempt对象的元素

项目	数据类型	描述
ID	串	任务ID
架	串	机架
州	串	任务尝试的状态-有效值为：NEW，UNASSIGNED，ASSIGNED，RUNNING，COMMIT_PENDING，SUCCESS_CONTAINER_CLEANUP，SUCCEEDED，FAIL_CONTAINER_CLEANUP，FAIL_TASK_CLEANUP，FAILED，KILL_CONTAINER_CLEANUP，KILL_TAIL_
类型	串	任务类型
AssignedContainerId	串	此尝试分配给的容器ID
nodeHttpAddress	串	尝试执行此任务的节点的http地址
诊断	串	诊断消息
进展	浮动	任务尝试的进度百分比
开始时间	长	任务尝试开始的时间（自时期起以毫秒为单位）
finishTime	长	任务尝试完成的时间（自纪元以来以毫秒为单位）
经过时间	长	自任务开始尝试以来经过的时间（以毫秒为单位）

对于减少任务尝试，您还具有以下字段：

项目	数据类型	描述
shuffleFinishTime	长	随机播放结束的时间（自纪元以来以毫秒为单位）
mergeFinishTime	长	合并完成的时间（自纪元以来以毫秒为单位）
经过的ShuffleTime	长	随机播放阶段完成所需的时间（减少任务开始和随机播放完成之间的时间，以毫秒为单位）
经过的合并时间	长	合并阶段完成所需的时间（混洗完成和合并完成之间的时间，以毫秒为单位）
经过减少时间	长	还原阶段完成所需的时间（从合并完成到还原任务结束之间的时间，以毫秒为单位）

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / attempts / attempt_1326381300833_2_2_m_0_0

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ taskAttempt”：{
      “ assignedContainerId”：“ container_1326381300833_0002_01_000002”，
      “进度”：100，
      “ elapsedTime”：2638，
      “ state”：“ Succeeded”，
      “诊断”：“”，
      “ rack”：“ / 98.139.92.0”，
      “ nodeHttpAddress”：“ host.domain.com:8042”，
      “ startTime”：1326381450680，
      “ id”：“ attempt_1326381300833_2_2_m_0_0”，
      “ type”：“ MAP”，
      “ finishTime”：1326381453318
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / attempts / attempt_1326381300833_2_2_m_0_0
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：691
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<taskAttempt>
  <startTime> 1326381450680 </ startTime>
  <finishTime> 1326381453318 </ finishTime>
  <elapsedTime> 2638 </ elapsedTime>
  <progress> 100.0 </ progress>
  <id> attempt_1326381300833_2_2_m_0_0 </ id>
  <rack> /98.139.92.0 </ rack>
  <state>成功</ state>
  <nodeHttpAddress> host.domain.com:8042 </ nodeHttpAddress>
  <diagnostics />
  <type> MAP </ type>
  <assignedContainerId> container_1326381300833_0002_01_000002 </ assignedContainerId>
</ taskAttempt>

任务尝试计数器API

使用任务尝试计数器API，您可以反对代表该任务尝试的所有计数器的资源集合。

URI

http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / {jobid} / tasks / {taskid} / attempts / {attemptid} / counters

支持HTTP操作

得到

查询参数支持

  没有

jobTaskAttemptCounters对象的元素

项目	数据类型	描述
ID	串	任务尝试ID
taskAttemptcounterGroup	任务尝试counterGroup对象（JSON）/零个或多个任务尝试counterGroup对象（XML）的数组	任务尝试计数器组对象的集合

taskAttemptCounterGroup对象的元素

项目	数据类型	描述
counterGroupName	串	柜台组名称
计数器	计数器对象数组（JSON）/零个或多个计数器对象（XML）	柜台对象的集合

计数器对象的元素

项目	数据类型	描述
名称	串	柜台名称
值	长	柜台的价值

回应范例

JSON回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / attempts / attempt_1326381300833_2_2_m_0_0 / counters

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / json
  传输编码：分块
  服务器：码头（6.1.26）

响应主体：

{
   “ jobTaskAttemptCounters”：{
      “ taskAttemptCounterGroup”：[
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.FileSystemCounter”，
            “柜台”：[
               {
                  “值”：2363，
                  “名称”：“ FILE_BYTES_READ”
               }，
               {
                  “值”：54372，
                  “名称”：“ FILE_BYTES_WRITTEN”
               }，
               {
                  “值”：0，
                  “名称”：“ FILE_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ FILE_LARGE_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ FILE_WRITE_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_BYTES_READ”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_BYTES_WRITTEN”
               }，
              {
                  “值”：0，
                  “名称”：“ HDFS_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_LARGE_READ_OPS”
               }，
               {
                  “值”：0，
                  “名称”：“ HDFS_WRITE_OPS”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.TaskCounter”，
            “柜台”：[
               {
                  “值”：0，
                  “名称”：“ COMBINE_INPUT_RECORDS”
               }，
               {
                  “值”：0，
                  “名称”：“ COMBINE_OUTPUT_RECORDS”
               }，
               {
                  “值”：460，
                  “名称”：“ REDUCE_INPUT_GROUPS”
               }，
               {
                  “值”：2235，
                  “名称”：“ REDUCE_SHUFFLE_BYTES”
               }，
               {
                  “值”：460，
                  “名称”：“ REDUCE_INPUT_RECORDS”
               }，
               {
                  “值”：0，
                  “名称”：“ REDUCE_OUTPUT_RECORDS”
               }，
               {
                  “值”：0，
                  “名称”：“ SPILLED_RECORDS”
               }，
               {
                  “值”：1
                  “名称”：“ SHUFFLED_MAPS”
               }，
               {
                  “值”：0，
                  “名称”：“ FAILED_SHUFFLE”
               }，
               {
                  “值”：1
                  “名称”：“ MERGED_MAP_OUTPUTS”
               }，
               {
                  “值”：26，
                  “名称”：“ GC_TIME_MILLIS”
               }，
               {
                  “值”：860，
                  “名称”：“ CPU_MILLISECONDS”
               }，
               {
                  “值”：107839488，
                  “名称”：“ PHYSICAL_MEMORY_BYTES”
               }，
               {
                  “值”：1123147776，
                  “名称”：“ VIRTUAL_MEMORY_BYTES”
               }，
               {
                  “值”：57475072，
                  “名称”：“ COMMITTED_HEAP_BYTES”
               }
            ]
         }，
         {
            “ counterGroupName”：“随机播放错误”，
            “柜台”：[
               {
                  “值”：0，
                  “名称”：“ BAD_ID”
               }，
               {
                  “值”：0，
                  “名称”：“连接”
               }，
               {
                  “值”：0，
                  “名称”：“ IO_ERROR”
               }，
               {
                  “值”：0，
                  “名称”：“ WRONG_LENGTH”
               }，
               {
                  “值”：0，
                  “名称”：“ WRONG_MAP”
               }，
               {
                  “值”：0，
                  “名称”：“ WRONG_REDUCE”
               }
            ]
         }，
         {
            “ counterGroupName”：“ org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter”，
            “柜台”：[
               {
                  “值”：0，
                  “名称”：“ BYTES_WRITTEN”
               }
            ]
         }
      ]，
      “ id”：“ attempt_1326381300833_2_2_m_0_0”
   }
}

XML回应

HTTP请求：

  GET http：// history-server-http-address：port / ws / v1 / history / mapreduce / jobs / job_1326381300833_2_2 / tasks / task_1326381300833_2_2_m_0 / attempts / attempt_1326381300833_2_2_m_0_0 / counters
  接受：application / xml

响应标题：

  HTTP / 1.1 200 OK
  内容类型：application / xml
  内容长度：2735
  服务器：码头（6.1.26）

响应主体：

<？xml版本=“ 1.0”编码=“ UTF-8”独立=“是”？>
<jobTaskAttemptCounters>
  <id> attempt_1326381300833_2_2_m_0_0 </ id>
  <taskAttemptCounterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.FileSystemCounter </ counterGroupName>
    <计数器>
      <name> FILE_BYTES_READ </ name>
      <value> 2363 </ value>
    </ counter>
    <计数器>
      <name> FILE_BYTES_WRITTEN </ name>
      <value> 54372 </ value>
    </ counter>
    <计数器>
      <名称> FILE_READ_OPS </名称>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <名称> FILE_LARGE_READ_OPS </名称>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <名称> FILE_WRITE_OPS </名称>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_BYTES_READ </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_BYTES_WRITTEN </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_READ_OPS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_LARGE_READ_OPS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> HDFS_WRITE_OPS </ name>
      <value> 0 </ value>
    </ counter>
  </ taskAttemptCounterGroup>
  <taskAttemptCounterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.TaskCounter </ counterGroupName>
    <计数器>
      <name> COMBINE_INPUT_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> COMBINE_OUTPUT_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_INPUT_GROUPS </ name>
      <value> 460 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_SHUFFLE_BYTES </ name>
      <value> 2235 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_INPUT_RECORDS </ name>
      <value> 460 </ value>
    </ counter>
    <计数器>
      <name> REDUCE_OUTPUT_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> SPILLED_RECORDS </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> SHUFFLED_MAPS </ name>
      <value> 1 </ value>
    </ counter>
    <计数器>
      <name> FAILED_SHUFFLE </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> MERGED_MAP_OUTPUTS </ name>
      <value> 1 </ value>
    </ counter>
    <计数器>
      <name> GC_TIME_MILLIS </ name>
      <value> 26 </ value>
    </ counter>
    <计数器>
      <名称> CPU_MILLISECONDS </名称>
      <value> 860 </ value>
    </ counter>
    <计数器>
      <name> PHYSICAL_MEMORY_BYTES </ name>
      <value> 107839488 </ value>
    </ counter>
    <计数器>
      <name> VIRTUAL_MEMORY_BYTES </ name>
      <value> 1123147776 </ value>
    </ counter>
    <计数器>
      <name> COMMITTED_HEAP_BYTES </ name>
      <value> 57475072 </ value>
    </ counter>
  </ taskAttemptCounterGroup>
  <taskAttemptCounterGroup>
    <counterGroupName>随机播放错误</ counterGroupName>
    <计数器>
      <name> BAD_ID </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> CONNECTION </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> IO_ERROR </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> WRONG_LENGTH </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> WRONG_MAP </ name>
      <value> 0 </ value>
    </ counter>
    <计数器>
      <name> WRONG_REDUCE </ name>
      <value> 0 </ value>
    </ counter>
  </ taskAttemptCounterGroup>
  <taskAttemptCounterGroup>
    <counterGroupName> org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter </ counterGroupName>
    <计数器>
      <name> BYTES_WRITTEN </ name>
      <value> 0 </ value>
    </ counter>
  </ taskAttemptCounterGroup>
</ jobTaskAttemptCounters>