运行Hadoop MapReduce作业出现java.lang.ArrayIndexOutOfBoundsException报错

• 启动参数缺失：main方法中直接读取args[0]、args[1]、args[2]三个参数，若提交MapReduce作业时传入的参数数量不足3个，会直接触发数组下标越界异常，这是最高概率的触发原因。
• 日期拆分逻辑无校验：尽管split("-")[0]正常情况下不会触发越界，但如果输入数据中存在极端异常的首字段（比如空值、特殊符号乱码导致拆分逻辑异常），也存在小概率越界风险。
• 异常被吞噬：map方法中的catch块为空实现，即使代码运行出现异常也无法输出具体栈信息，提高了问题定位成本。

1. 新增启动参数校验 #

在main方法最开头加入参数校验逻辑，提前拦截参数不足的异常场景：

public static void main(String[] args)  throws Exception {
    // 新增参数校验逻辑
    if (args.length < 3) {
        System.err.println("参数错误，请依次传入3个参数：输入文件路径、是否包含世界数据(true/false)、输出文件路径");
        System.exit(1);
    }
    // 原有业务逻辑保持不变
    long st  = new Date().getTime();
    Configuration conf = new Configuration();
    conf.set("is_world",args[1]);
    // ... 剩余原有代码
}

2. 完善日期字段拆分校验 #

对日期字段的拆分逻辑加边界判断，避免异常数据导致的问题：

if(tok.hasMoreTokens()) {
    String dateRaw = tok.nextToken();
    String[] dateSegs = dateRaw.split("-");
    // 仅当拆分结果符合预期时才赋值年份，否则直接跳过当前行
    if (dateSegs.length > 0) {
        date_year = dateSegs[0];
    } else {
        return;
    }
}

3. 补全异常捕获逻辑 #

不要空吞异常，添加异常日志输出方便问题定位：

catch(Exception e){
    System.err.printf("处理行数据异常，行内容：%s，错误信息：%s%n", value.toString(), e.getMessage());
    e.printStackTrace();
}

4. 新增配置项默认值 #

获取is_world配置时设置默认值，避免空指针异常：

public void setup(Context context) throws IOException,  InterruptedException{
    Configuration conf = context.getConfiguration();
    // 第二个参数为默认值，避免配置为空导致的空指针
    include_world = conf.get("is_world", "false");
}

内容的提问来源于stack exchange，提问作者Serigne Ahmadou Mbacke Fall