setup 函数原码:（摘自《hadoop实战》）

*Called once at the start of the task. protected void setup(Context context) throws IOException,InterruptedException{}从注释可得知，setup函数在Task启动时就调用。 在MapReduce中作业会被组织成MapTask和ReduceTask。 每个Task都以Map类或Reduce类为处理方法主体， 输入分片为处理方法的输入，自己的分片处理完后Task就销毁了。 从这里看出，setup函数在task启动后数据处理前就调用一次 而覆盖的Map函数和Reduce函数会针对输入分片的每个Key调用一次， 所以setup函数可以看作Task上一个全局处理。 利用setup函数的特性，可以将Map或Reduce函数中的的重复处理放到setup函数中。 如老师给的Exercise_2中的"name"但需要注意的是，调用setup函数只是对应的Task上全局操作，而不是整个作业的全局操作。

可以先用api把本地的文件传到hdfs中的 /user/hadoop/test 里去

//本地文件上传到HDFS上public static void upload(String src,String dst) throws FileNotFoundException,IOException{             InputStream in = new BufferedInputStream(new FileInputStream(src));       //得到配置对象       Configuration conf = new Configuration();       //文件系统       FileSystem fs = FileSystem.get(URI.create(dst), conf);       //输出流       OutputStream out = fs.create(new Path(dst), new Progressable() {       public void progress() {           System.out.println("上传完一个设定缓存区大小容量的文件！");           }       });       //连接两个流，形成通道，使输入流向输出流传输数据       IOUtils.copyBytes(in, out, 4096,true);       }  上传的时候调用这个函数就可以了 例如  upload("/home/jack/test/test.txt","/user/hadoop/test/test");前面的是本地目录中的文件，后面是hdfs中的文件 注意 必须两者都必须是“路径+文件名”  不能没有文件名

Configuration conf = new Configuration();

conf.setStrings("job_parms", "aaabbc"); //关键就是这一句        Job job = new Job(conf, "load analysis");                job.setJarByClass(LoadAnalysis.class);        job.setMapperClass(LoadMapper.class);        job.setReducerClass(LoadIntoHbaseReduce.class);        job.setMapOutputKeyClass(Text.class);        job.setMapOutputValueClass(Text.class);         FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

  @Override

        protected void setup(Context context)                throws IOException, InterruptedException {             try {                               //从全局配置获取配置参数                Configuration conf = context.getConfiguration();                String parmStr = conf.get("job_parms"); //这样就拿到了                               ......                            } catch (SQLException e) {                                 e.printStackTrace();            }                    }

全局文件：hadoop有distributed cache来保存全局文件，保证所有node都可以访问，使用类名为DistributedCache