Hadoop复习回顾

爱被打了一巴掌 2023-09-25 22:42 64阅读 0赞

### 文章目录 ###

*   *  1. Hadoop 常见面试题
     *   *  1.1 常用端口号
         *  1.2 常用的配置文件
         *  1.3 HDFS基础
     *  2. HDFS写数据流程
     *   *  2.1 剖析文件写入
         *  2.2 网络拓扑-节点距离计算
     *  3. 非大规模定义类内容
     *   *  3.1 相关术语介绍
         *  3.2 重要目录
         *  3.3 三种模式：
     *  4. HDFS的API案例实操
     *   *  4.1 HDFS文件上传（测试参数优先级）
         *  4.2 HDFS文件下载
         *  4.3 HDFS文件更名和移动
         *  4.4 HDFS删除文件和目录
         *  4.5 HDFS文件详情查看
         *  4.6 HDFS文件和文件夹判断
         *  4.7 wordcount 源码和序列化

## 1. Hadoop 常见面试题 ##

### 1.1 常用端口号 ###

> hadoop 2.x  
> HDFS NameNode内部常用端口：8020/9000  
> HDFS NameNode对外查询端口: 50070  
> YARN 查看任务运行情况： 8088  
> 历史服务器：19888

> hadoop 3.x  
> HDFS NameNode内部常用端口：8020/9000/9820  
> HDFS NameNode对外查询端口: 9870  
> YARN 查看任务运行情况： 8088  
> 历史服务器：19888

### 1.2 常用的配置文件 ###

> 2.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml slaves

> 3.x core-site.xml hdfs-site.xml yarn-site.xml mapred-site.xml workers

### 1.3 HDFS基础 ###

1.  HDFS文件块大小（面试重点）  
    `block` 小公司`128` 大公司`256`  
    磁盘读写速度 `寻址时间为传输时间的1%` 最佳状态
2.  HDFS的Shell操作（开发重点）  
    2.1 小基础

1）启动Hadoop集群（方便后续的测试）

> \[hadoop@hadoop102 hadoop-3.1.3\]$ sbin/start-dfs.sh  
> \[hadoop@hadoop103 hadoop-3.1.3\]$ sbin/start-yarn.sh

2）-help：输出这个命令参数

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -help rm

3）创建/sanguo文件夹

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -mkdir /sanguo

4）-moveFromLocal：从本地剪切粘贴到HDFS

> \[hadoop@hadoop102 hadoop-3.1.3\]$ vim shuguo.txt  
> 输入：  
> shuguo  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -moveFromLocal ./shuguo.txt /sanguo

5）-copyFromLocal：从本地文件系统中拷贝文件到HDFS路径去

> \[hadoop@hadoop102 hadoop-3.1.3\]$ vim weiguo.txt  
> 输入：  
> weiguo  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -copyFromLocal weiguo.txt /sanguo

6）-put：等同于copyFromLocal，`生产环境更习惯用put`

> \[hadoop@hadoop102 hadoop-3.1.3\]$ vim wuguo.txt  
> 输入：  
> wuguo  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -put ./wuguo.txt /sanguo

7）-appendToFile：追加一个文件到已经存在的文件末尾

> \[hadoop@hadoop102 hadoop-3.1.3\]$ vim liubei.txt  
> 输入：  
> liubei  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -appendToFile liubei.txt /sanguo/shuguo.txt

2.2 下载

1）-copyToLocal：从HDFS拷贝到本地

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -copyToLocal /sanguo/shuguo.txt ./

2）-get：等同于copyToLocal，`生产环境更习惯用get`

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -get /sanguo/shuguo.txt ./shuguo2.txt

2.3 HDFS直接操作

1）-ls: 显示目录信息

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -ls /sanguo

2）-cat：显示文件内容

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -cat /sanguo/shuguo.txt

3）-chgrp、-chmod、-chown：Linux文件系统中的用法一样，修改文件所属权限

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -chmod 666 /sanguo/shuguo.txt  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -chown hadoop:hadoop /sanguo/shuguo.txt

4）-mkdir：创建路径

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -mkdir /jinguo

5）-cp：从HDFS的一个路径拷贝到HDFS的另一个路径

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -cp /sanguo/shuguo.txt /jinguo

6）-mv：在HDFS目录中移动文件

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -mv /sanguo/wuguo.txt /jinguo  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -mv /sanguo/weiguo.txt /jinguo

7）-tail：显示一个文件的末尾1kb的数据

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -tail /jinguo/shuguo.txt

8）-rm：删除文件或文件夹

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -rm /sanguo/shuguo.txt

9）-rm -r：递归删除目录及目录里面内容

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -rm -r /sanguo

10）-du统计文件夹的大小信息

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -du -s -h /jinguo  
> 27 81 /jinguo  
> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -du -h /jinguo  
> 14 42 /jinguo/shuguo.txt  
> 7 21 /jinguo/weiguo.txt  
> 6 18 /jinguo/wuguo.tx

说明：27表示文件大小；81表示27*3个副本；/jinguo表示查看的目录

11）-setrep：设置HDFS中文件的副本数量

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop fs -setrep 10 /jinguo/shuguo.txt

1.  HDFS的读写流程（面试重点）

## 2. HDFS写数据流程 ##

### 2.1 剖析文件写入 ###

HDFS的写数据流程

![在这里插入图片描述][2493cc4f5f6d42f98a73d7d7f5ccfb36.png]

（1）客户端通过Distributed FileSystem模块向NameNode请求上传文件，NameNode检查目标文件是否已存在，父目录是否存在。  
（2）NameNode返回是否可以上传。  
（3）客户端请求第一个 Block上传到哪几个DataNode服务器上。  
（4）NameNode返回3个DataNode节点，分别为dn1、dn2、dn3。  
（5）客户端通过FSDataOutputStream模块请求dn1上传数据，dn1收到请求会继续调用dn2，然后dn2调用dn3，将这个通信管道建立完成。  
（6）dn1、dn2、dn3逐级应答客户端。  
（7）客户端开始往dn1上传第一个Block（先从磁盘读取数据放到一个本地内存缓存），以Packet为单位，dn1收到一个Packet就会传给dn2，dn2传给dn3；dn1`每传一个packet会放入一个应答队列等待应答`。  
（8）当一个Block传输完成之后，客户端再次请求NameNode上传第二个Block的服务器。（重复执行3-7步）。

### 2.2 网络拓扑-节点距离计算 ###

在HDFS写数据的过程中，NameNode选会择距离待上传数据最近距离的DataNode接收数据。那么这个最近距离怎么计算呢？

`节点距离：两个节点到达最近的共同祖先的距离总和。`

![在这里插入图片描述][ad9a2a5514c24105aa7a5daf15ec7640.png]

例如，假设有数据中心d1机架r1中的节点n1。该节点可以表示为/d1/r1/n1。利用这种标记，这里给出四种距离描述。  
大家算一算每两个节点之间的距离。

![在这里插入图片描述][82a3ec20282942f0843012009313ceff.png]

## 3. 非大规模定义类内容 ##

### 3.1 相关术语介绍 ###

HDFS只是分布式文件管理系统中的一种  
`Hadoop Distributed File System`，简称`HDFS`，是分布式文件系统  
MapReduce是一个`分布式运算程序`的编程框架，是用户开发“基于Hadoop的数据分析应用”的核心框架。  
MapReduce核心功能是将`用户编写的业务逻辑代码`和`自带默认组件`整合成一个完整的分布式运算程序，并发运行在一个Hadoop集群上。  
流式计算的输入数据是动态的，而MapReduce的`输入数据集是静态的`，不能动态变化。这是因为MapReduce自身的设计特点决定了数据源必须是静态的。  
Map阶段并行处理输入数据  
Reduce阶段对Map结果进行汇总  
HDFS ：NameNode dataNode 2NN  
YARN负责资源管理：ResourceManager、NodeManager  
MapReduce:container mapTask

### 3.2 重要目录 ###

（1）bin目录：存放对Hadoop相关服务（hdfs，yarn，mapred）进行操作的脚本  
（2）etc目录：Hadoop的配置文件目录，存放Hadoop的配置文件  
（3）lib目录：存放Hadoop的本地库（对数据进行压缩解压缩功能）  
（4）sbin目录：存放启动或停止Hadoop相关服务的脚本  
（5）share目录：存放Hadoop的依赖jar包、文档、和官方案例

### 3.3 三种模式： ###

本地模式：单机运行，只是用来演示一下官方案例。`生产环境不用。`

伪分布式模式：也是单机运行，但是具备Hadoop集群的所有功能，一台服务器模拟一个分布式的环境。`个别缺钱的公司用来测试，生产环境不用。`

完全分布式模式：多台服务器组成分布式环境。`生产环境使用`

## 4. HDFS的API案例实操 ##

### 4.1 HDFS文件上传（测试参数优先级） ###

1）编写源代码

@Test
    public void testCopyFromLocalFile() throws IOException, InterruptedException, URISyntaxException {
        
    
        // 1 获取文件系统
        Configuration configuration = new Configuration();
        configuration.set("dfs.replication", "2");
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "hadoop");
    
        // 2 上传文件
        fs.copyFromLocalFile(new Path("d:/sunwukong.txt"), new Path("/xiyou/huaguoshan"));
    
        // 3 关闭资源
        fs.close();
    ｝

2）将hdfs-site.xml拷贝到项目的resources资源目录下

<?xml version="1.0" encoding="UTF-8"?>
    <?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
    
    <configuration>
    	<property>
    		<name>dfs.replication</name>
             <value>1</value>
    	</property>
    </configuration>

3）参数优先级  
参数优先级排序：（1）客户端代码中设置的值 >（2）ClassPath下的用户自定义配置文件 >（3）然后是服务器的自定义配置（xxx-site.xml） >（4）服务器的默认配置（xxx-default.xml）

### 4.2 HDFS文件下载 ###

@Test
    public void testCopyToLocalFile() throws IOException, InterruptedException, URISyntaxException{
        
    
        // 1 获取文件系统
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "hadoop");
        
        // 2 执行下载操作
        // boolean delSrc 指是否将原文件删除
        // Path src 指要下载的文件路径
        // Path dst 指将文件下载到的路径
        // boolean useRawLocalFileSystem 是否开启文件校验
        fs.copyToLocalFile(false, new Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("d:/sunwukong2.txt"), true);
        
        // 3 关闭资源	
        fs.close();
    }

注意：如果执行上面代码，下载不了文件，有可能是你电脑的微软支持的运行库少，需要安装一下微软运行库。

### 4.3 HDFS文件更名和移动 ###

@Test
    public void testRename() throws IOException, InterruptedException, URISyntaxException{
    
    	// 1 获取文件系统
    	Configuration configuration = new Configuration();
    	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "hadoop"); 
    		
    	// 2 修改文件名称
    	fs.rename(new Path("/xiyou/huaguoshan/sunwukong.txt"), new Path("/xiyou/huaguoshan/meihouwang.txt"));
    		
    	// 3 关闭资源
    	fs.close();
    }

### 4.4 HDFS删除文件和目录 ###

@Test
    public void testDelete() throws IOException, InterruptedException, URISyntaxException{
        
    
    	// 1 获取文件系统
    	Configuration configuration = new Configuration();
    	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "hadoop");
    		
    	// 2 执行删除
    	fs.delete(new Path("/xiyou"), true);
    		
    	// 3 关闭资源
    	fs.close();
    }

### 4.5 HDFS文件详情查看 ###

查看文件名称、权限、长度、块信息

@Test
    public void testListFiles() throws IOException, InterruptedException, URISyntaxException {
        
    
    	// 1获取文件系统
    	Configuration configuration = new Configuration();
    	FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "hadoop");
    
    	// 2 获取文件详情
    	RemoteIterator<LocatedFileStatus> listFiles = fs.listFiles(new Path("/"), true);
    
    	while (listFiles.hasNext()) {
        
    		LocatedFileStatus fileStatus = listFiles.next();
    
    		System.out.println("========" + fileStatus.getPath() + "=========");
    		System.out.println(fileStatus.getPermission());
    		System.out.println(fileStatus.getOwner());
    		System.out.println(fileStatus.getGroup());
    		System.out.println(fileStatus.getLen());
    		System.out.println(fileStatus.getModificationTime());
    		System.out.println(fileStatus.getReplication());
    		System.out.println(fileStatus.getBlockSize());
    		System.out.println(fileStatus.getPath().getName());
    
    		// 获取块信息
    		BlockLocation[] blockLocations = fileStatus.getBlockLocations();
    		System.out.println(Arrays.toString(blockLocations));
    	}
    	// 3 关闭资源
    	fs.close();
    }

### 4.6 HDFS文件和文件夹判断 ###

@Test
    public void testListStatus() throws IOException, InterruptedException, URISyntaxException{
        
    
        // 1 获取文件配置信息
        Configuration configuration = new Configuration();
        FileSystem fs = FileSystem.get(new URI("hdfs://hadoop102:8020"), configuration, "hadoop");
    
        // 2 判断是文件还是文件夹
        FileStatus[] listStatus = fs.listStatus(new Path("/"));
    
        for (FileStatus fileStatus : listStatus) {
        
    
            // 如果是文件
            if (fileStatus.isFile()) {
        
                System.out.println("f:"+fileStatus.getPath().getName());
            }else {
        
                System.out.println("d:"+fileStatus.getPath().getName());
            }
        }
    
        // 3 关闭资源
        fs.close();
    }

### 4.7 wordcount 源码和序列化 ###

4.7.1 Wordcount源码

（1）编写Mapper类

package com.igeek.mapreduce.wordcount;
    import java.io.IOException;
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.LongWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;
    
    public class WordCountMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
        
    	
    	Text k = new Text();
    	IntWritable v = new IntWritable(1);
    	
    	@Override
    	protected void map(LongWritable key, Text value, Context context)	throws IOException, InterruptedException {
        
    		
    		// 1 获取一行
    		String line = value.toString();
    		
    		// 2 切割
    		String[] words = line.split(" ");
    		
    		// 3 输出
    		for (String word : words) {
        
    			
    			k.set(word);
    			context.write(k, v);
    		}
    	}
    }

（2）编写Reducer类

package com.igeek.mapreduce.wordcount;
    import java.io.IOException;
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;
    
    public class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable>{
        
    
    int sum;
    IntWritable v = new IntWritable();
    
    	@Override
    	protected void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {
        
    		
    		// 1 累加求和
    		sum = 0;
    		for (IntWritable count : values) {
        
    			sum += count.get();
    		}
    		
    		// 2 输出
             v.set(sum);
    		context.write(key,v);
    	}
    }

（3）编写Driver驱动类

package com.igeek.mapreduce.wordcount;
    import java.io.IOException;
    import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.io.IntWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Job;
    import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
    import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    
    public class WordCountDriver {
        
    
    	public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        
    
    		// 1 获取配置信息以及获取job对象
    		Configuration conf = new Configuration();
    		Job job = Job.getInstance(conf);
    
    		// 2 关联本Driver程序的jar
    		job.setJarByClass(WordCountDriver.class);
    
    		// 3 关联Mapper和Reducer的jar
    		job.setMapperClass(WordCountMapper.class);
    		job.setReducerClass(WordCountReducer.class);
    
    		// 4 设置Mapper输出的kv类型
    		job.setMapOutputKeyClass(Text.class);
    		job.setMapOutputValueClass(IntWritable.class);
    
    		// 5 设置最终输出kv类型
    		job.setOutputKeyClass(Text.class);
    		job.setOutputValueClass(IntWritable.class);
    		
    		// 6 设置输入和输出路径
    		FileInputFormat.setInputPaths(job, new Path(args[0]));
    		FileOutputFormat.setOutputPath(job, new Path(args[1]));
    
    		// 7 提交job
    		boolean result = job.waitForCompletion(true);
    		System.exit(result ? 0 : 1);
    	}
    }

（4）启动Hadoop集群

> \[hadoop@hadoop102 hadoop-3.1.3\]sbin/start-dfs.sh  
> \[hadoop@hadoop103 hadoop-3.1.3\]$ sbin/start-yarn.sh

（5）执行WordCount程序

> \[hadoop@hadoop102 hadoop-3.1.3\]$ hadoop jar wc.jar com.igeek.mapreduce.wordcount.WordCountDriver /user/hadoop/input /user/hadoop/output

4.7.2 序列化部分

（1）编写流量统计的Bean对象

package com.igeek.mapreduce.writable;
    
    import org.apache.hadoop.io.Writable;
    import java.io.DataInput;
    import java.io.DataOutput;
    import java.io.IOException;
    
    //1 继承Writable接口
    public class FlowBean implements Writable {
        
    
        private long upFlow; //上行流量
        private long downFlow; //下行流量
        private long sumFlow; //总流量
    
        //2 提供无参构造
        public FlowBean() {
        
        }
    
        //3 提供三个参数的getter和setter方法
        public long getUpFlow() {
        
            return upFlow;
        }
    
        public void setUpFlow(long upFlow) {
        
            this.upFlow = upFlow;
        }
    
        public long getDownFlow() {
        
            return downFlow;
        }
    
        public void setDownFlow(long downFlow) {
        
            this.downFlow = downFlow;
        }
    
        public long getSumFlow() {
        
            return sumFlow;
        }
    
        public void setSumFlow(long sumFlow) {
        
            this.sumFlow = sumFlow;
        }
    
        public void setSumFlow() {
        
            this.sumFlow = this.upFlow + this.downFlow;
        }
    
        //4 实现序列化和反序列化方法,注意顺序一定要保持一致
        @Override
        public void write(DataOutput dataOutput) throws IOException {
        
            dataOutput.writeLong(upFlow);
            dataOutput.writeLong(downFlow);
            dataOutput.writeLong(sumFlow);
        }
    
        @Override
        public void readFields(DataInput dataInput) throws IOException {
        
            this.upFlow = dataInput.readLong();
            this.downFlow = dataInput.readLong();
            this.sumFlow = dataInput.readLong();
        }
    
        //5 重写ToString
        @Override
        public String toString() {
        
            return upFlow + "\t" + downFlow + "\t" + sumFlow;
        }
    }

（2）编写Mapper类

package com.igeek.mapreduce.writable;
    
    import org.apache.hadoop.io.LongWritable;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Mapper;
    import java.io.IOException;
    
    public class FlowMapper extends Mapper<LongWritable, Text, Text, FlowBean> {
        
        private Text outK = new Text();
        private FlowBean outV = new FlowBean();
    
        @Override
        protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        
    
            //1 获取一行数据,转成字符串
            String line = value.toString();
    
            //2 切割数据
            String[] split = line.split("\t");
    
            //3 抓取我们需要的数据:手机号,上行流量,下行流量
            String phone = split[1];
            String up = split[split.length - 3];
            String down = split[split.length - 2];
    
            //4 封装outK outV	
            outK.set(phone);
            outV.setUpFlow(Long.parseLong(up));
            outV.setDownFlow(Long.parseLong(down));
            outV.setSumFlow();
    
            //5 写出outK outV
            context.write(outK, outV);
        }
    }

（3）编写Reducer类

package com.igeek.mapreduce.writable;
    
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Reducer;
    import java.io.IOException;
    
    public class FlowReducer extends Reducer<Text, FlowBean, Text, FlowBean> {
        
        private FlowBean outV = new FlowBean();
        @Override
        protected void reduce(Text key, Iterable<FlowBean> values, Context context) throws IOException, InterruptedException {
        
    
            long totalUp = 0;
            long totalDown = 0;
    
            //1 遍历values,将其中的上行流量,下行流量分别累加
            for (FlowBean flowBean : values) {
        
                totalUp += flowBean.getUpFlow();
                totalDown += flowBean.getDownFlow();
            }
    
            //2 封装outKV
            outV.setUpFlow(totalUp);
            outV.setDownFlow(totalDown);
            outV.setSumFlow();
    
            //3 写出outK outV
            context.write(key,outV);
        }
    }

（4）编写Driver驱动类

package com.igeek.mapreduce.writable;
    
    import org.apache.hadoop.conf.Configuration;
    import org.apache.hadoop.fs.Path;
    import org.apache.hadoop.io.Text;
    import org.apache.hadoop.mapreduce.Job;
    import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
    import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
    import java.io.IOException;
    
    public class FlowDriver {
        
        public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        
    
            //1 获取job对象
            Configuration conf = new Configuration();
            Job job = Job.getInstance(conf);
    
            //2 关联本Driver类
            job.setJarByClass(FlowDriver.class);
    
            //3 关联Mapper和Reducer
            job.setMapperClass(FlowMapper.class);
            job.setReducerClass(FlowReducer.class);
            
    //4 设置Map端输出KV类型
            job.setMapOutputKeyClass(Text.class);
            job.setMapOutputValueClass(FlowBean.class);
            
    //5 设置程序最终输出的KV类型
            job.setOutputKeyClass(Text.class);
            job.setOutputValueClass(FlowBean.class);
            
    //6 设置程序的输入输出路径
            FileInputFormat.setInputPaths(job, new Path("D:\\inputflow"));
            FileOutputFormat.setOutputPath(job, new Path("D:\\flowoutput"));
            
    //7 提交Job
            boolean b = job.waitForCompletion(true);
            System.exit(b ? 0 : 1);
        }
    }

[2493cc4f5f6d42f98a73d7d7f5ccfb36.png]: https://img-blog.csdnimg.cn/2493cc4f5f6d42f98a73d7d7f5ccfb36.png
[ad9a2a5514c24105aa7a5daf15ec7640.png]: https://img-blog.csdnimg.cn/ad9a2a5514c24105aa7a5daf15ec7640.png
[82a3ec20282942f0843012009313ceff.png]: https://img-blog.csdnimg.cn/82a3ec20282942f0843012009313ceff.png