1在本地作业运行器上运行作业
通过使用前面介绍的Tool接口，可以轻松写一个MapReducer作业的驱动程序，用它来计算按照年度查找最高气温，参见范例的MaxTemperatureDriver。
范例，查找最高气温
public class MaxTemperatureDriver extends Configured implements Tool{
@Override
public int run(String[] args) throws Exception{
if(args.length！=2）{
System.err.printf("Usage:%s[generic options]<input><output>\n",getClass().getSimpleName());
ToolRunner·printGenericCommandUsage(System.err)；
return·1；
}
Job job=new Job(getConf(),"Maxtemperature");
job.setJarByClass(getClass());
FileInputFormat.addInputPath(job,newPath(args[0]));
FileOutputFormat.setOutputPath(job,newPath(args[1]));
job.setMapperCIass(MaxTemperatureMapper.class)；
job.setCombinerC1ass(MaxTemperatureReducer·class)；
job.setReducerClass(MaxTemperatureReducer·class);
job.setOutputKeyClass(Text.class)；
job.setOutputVaIueClass(IntWritabIe.class);
return job.waitForCompIetion(true)?0:1;
}
public static void main(String[]args)throws Exception{
int exitCode=ToolRunner.run(new MaxTemperatureDriver(),args);
System.exit(exitCode);
}
}
MaxTemperatureDriver实现了Tool接口，所以，我们能够设置GenericOptionsParser支持的选项。run()方法根据工具的配置创建一个Job对象来启动一个作业。在所有可能的作业配置参数中，可以设置输人和输出文件路径，mapper、reducer和combiner以及输出类型（输人类型由输人格式决定，默认为TextInputFormat，包括Longwritable键和Text值）。为作业设置一个名称（Max temperature)也是很好的做法，这样可以在执行过程中或作业完成后方便地从作业列表中查找作业。默认情况下，作业名称是JAR文件名，通常情况下没有特殊的描述。现在我们可以在一些本地文件上运行这个应用。Hadoop有一个本地作业运行器(job runner)，它是在MapReduce执行引擎运行单个JVM上的MapReduce作业的简化版本。它是为测试而设计的，在IDE中使用起来非常方便，因为我们可以在调试器中单步运行mapper和reducer代码。
如果mapreduce.framework.name被设置为local则使用本地作业运行器，这也是默认情况。
可以在命令行方式下输人如下命令来运行驱动程序：
mvn compile export HADOOP_CLASSPATH=target/classes/ hadoop v2.MaxTemperatureDriver -conf conf/hadoop-local.xml input/ncdc/micro output
类似地，可以使用GenencOptionsParser提供的-fs和-jt选项：
hadoop v2.MaxTemperatureDriver -fs file:/// -jt local input/ncdc/micro output
这条指令使用本地input/ncdc/micro目录作为输入来执行MaxTenperatureDriver，产生的输出存放在本地output目录中。注意：虽然我们设置了-fs，可以使用本地文件系统(file:///)，但本地作业运行器实际上可以在包括HDFS在内的任何文件系统上正常工作（如果HDFS里有一些文件，可以马上进行尝试）。
可以如下检查本地文件系统上的输出：
cat output/part-r-00000 1949111 195022
2.测试驱动程序
除了灵活的配置选项可以使应用程序实现Tool，还可以插人任意Configuration来增加可测试性。可以利用这点来编写测试程序，它将利用本地作业运行器在已知的输人数据上运行作业，借此来检查输出是否满足预期。要实现这个目标，有两种方法。第一种方法是使用本地作业运行器，在本地文件系统的测试文件上运行作业。下面范例的代码给出了一种思路。范例，这个MaxTemperatureDriver测试使用了一个正在运行的本地作业运行器。
@Test
public void test() throws Exception{
Configuration conf=new Configuration()；
conf.set("fs.defaultFS","file:///");
conf.set("mapreduce.framework.name","local");
conf.setlnt("mapreduce.task.io.sort.mb",1）；
Path input=new Path("input/ncdc/micro");
Path output=new Path("output");
FileSystem fs=FileSystem.getLocal(conf)；
fs.delete(output,true);//delete01doutput
MaxTemperatureDriver driver=new MaxTemperatureDriver();
driver.setConf(conf)；
int exitCode=driver.run(newString[]{input.toString(),output.toString()});
assertThat(exitCode，is(0));
checkOutput(conf,output);
}
测试代码明确设置了fs.defaultFS和mapreduce.framework.name所以，它使用的是本地文件系统和本地作业运行器。随后，通过其Tool接口在少数已知数据上运行MaxTemperatureDriver。最后，check0utput()方法调用以逐行对比实际输出与预期输出。
测试驱动程序的第二种方法是使用一个mini集群来运行它。Hadoop有一组测试类，名为MiniDFSCIuster、MiniMRCIuster和MiniYARNCIuster，它以程序方式创建正在运行的集群。不同于本地作业运行器，它们允许在整个HDFS、MapReduce和YARN机器上运行测试。注意，mini集群上的节点管理器启动不同的JVM来运行任务，这会使调试更困难。
也可以从命令行运行一个mini集群，如下所示：
hadoop jar $HADOOP_HOME/share/hadoop/mapreduce/hadoop-mapreduce-*-tests.jar minicluster