Hadoop中setJarByClass方法的两个疑问

嗨，我来帮你理清这两个关于setJarByClass的疑问哈！

疑问1：不设置setJarByClass时，Hadoop会自动处理吗？ #

你的猜测完全正确！很多场景下Hadoop确实会自动帮你搞定Jar包的定位。

setJarByClass的核心作用是给Job提供一个「锚点类」，让它能找到包含Mapper、Reducer等所有相关业务类的Jar包路径。但如果你没手动调用这个方法，Hadoop会尝试从当前运行的主类（也就是你启动的WordCount2）的类加载上下文里自动推断Jar的位置——比如你在本地IDE里运行，或者所有相关类都打包在同一个Jar里时，Hadoop能顺利定位到Jar文件，所以你的程序照样能正常跑起来。

不过要提醒一句：在复杂的集群部署场景中，还是建议手动设置setJarByClass，避免出现类找不到的异常哦。

疑问2：指定其他类的setJarByClass，为什么还是运行当前类的代码？ #

这是因为setJarByClass根本不是用来指定要执行哪个业务类的～它的职责只是告诉Hadoop：「去这个类所在的Jar包里找我需要的所有类文件」。

你在代码里已经明确指定了Mapper和Reducer是WordCount2中的实现（比如通过job.setMapperClass(WordCount2.MyMapper.class)、job.setReducerClass(WordCount2.MyReducer.class)），而且你启动的主类本身就是WordCount2，所以Job自然会按照你定义的业务逻辑来执行。只要WordCount和WordCount2在同一个Jar包里，或者你指定的WordCount.class所在的Jar包含WordCount2的类，Hadoop就能加载到正确的类，执行你写的WordCount2的逻辑。

简单总结：setJarByClass管的是「去哪里找类」，而不是「用哪个类」～

备注：内容来源于stack exchange，提问作者seungbok3240