Eclipse下搭建Hadoop2.4.0開發環境

一、安裝Eclipse

    下載Eclipse，解壓安裝，例如安裝到/usr/local，即/usr/local/eclipse

    4.3.1版本下載地址：http://pan.baidu.com/s/1eQkpRgu

二、在eclipse上安裝hadoop插件

    1、下載hadoop插件

        下載地址：http://pan.baidu.com/s/1mgiHFok

   　　此zip文件包含了源碼，我們使用使用編譯好的jar即可，解壓后，release文件夾中的hadoop.eclipse-kepler-plugin-2.2.0.jar就是編譯好的插件。

 

   2、把插件放到eclipse/plugins目錄下

 

    3、重啟eclipse，配置Hadoop installation directory    

     如果插件安裝成功，打開Windows—Preferences后，在窗口左側會有Hadoop Map/Reduce選項，點擊此選項，在窗口右側設置Hadoop安裝路徑。

      

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

4、配置Map/Reduce Locations

     打開Windows—Open Perspective—Other

 

 

 

 

 

 

 

 

 

 

 

 

 

    

    選擇Map/Reduce，點擊OK

    

    在右下方看到如下圖所示

    

 

點擊Map/Reduce Location選項卡，點擊右邊小象圖標，打開Hadoop Location配置窗口：

    輸入Location Name，任意名稱即可.配置Map/Reduce Master和DFS Mastrer，Host和Port配置成與core-site.xml的設置一致即可。

    

 

 

 

 

 

 

 

 

 

 

 

 

 

 

點擊"Finish"按鈕，關閉窗口。

 點擊左側的DFSLocations—>myhadoop（上一步配置的location name)，如能看到user，表示安裝成功

   

      

      

 

 

 

 

 

 

 

 

 

    如果如下圖所示表示安裝失敗，請檢查Hadoop是否啟動，以及eclipse配置是否正確。

 

 

 

 

 

 

 

 

 

 

 

 

 

 

三、新建WordCount項目

    File—>Project，選擇Map/Reduce Project，輸入項目名稱WordCount等。

    在WordCount項目里新建class，名稱為WordCount，代碼如下：

    

import java.io.IOException;

import java.util.StringTokenizer;

 

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.Mapper;

import org.apache.hadoop.mapreduce.Reducer;

import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;

import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import org.apache.hadoop.util.GenericOptionsParser;

 

public class WordCount {

 

public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable>{ 

　　private final static IntWritable one = new IntWritable(1);

　　private Text word = new Text();

 

　　public void map(Object key, Text value, Context context) throws IOException, InterruptedException {

　　　　StringTokenizer itr = new StringTokenizer(value.toString());

　　　　　　while (itr.hasMoreTokens()) {

　　　　　　　　word.set(itr.nextToken());

　　　　　　　　context.write(word, one);

　　　　　　}

　　}

}

 

public static class IntSumReducer extends Reducer<Text,IntWritable,Text,IntWritable> {

　　private IntWritable result = new IntWritable(); 

　　public void reduce(Text key, Iterable<IntWritable> values,Context context) throws IOException, InterruptedException {

　　　　int sum = 0;

　　　　for (IntWritable val : values) {

　　　　　　sum += val.get();

　　　　}

　　　　result.set(sum);

　　　　context.write(key, result);

　　}

}

 

public static void main(String[] args) throws Exception {

　　Configuration conf = new Configuration();

　　String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();

　　if (otherArgs.length != 2) {

　　　　System.err.println("Usage: wordcount <in> <out>");

　　　　System.exit(2);

　　}

　　Job job = new Job(conf, "word count");

　　job.setJarByClass(WordCount.class);

　　job.setMapperClass(TokenizerMapper.class);

　　job.setCombinerClass(IntSumReducer.class);

　　job.setReducerClass(IntSumReducer.class);

　　job.setOutputKeyClass(Text.class);

　　job.setOutputValueClass(IntWritable.class);

　　FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

　　FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));

　　System.exit(job.waitForCompletion(true) ? 0 : 1);

}

}

 

 

四、運行

    1、在HDFS上創建目錄input

        hadoop fs -mkdir input

    2、拷貝本地README.txt到HDFS的input里

         hadoop fs -copyFromLocal /usr/local/hadoop/README.txt input

    3、點擊WordCount.java，右鍵，點擊Run As—>Run Configurations，配置運行參數，即輸入和輸出文件夾

　　hdfs://localhost:9000/user/hadoop/input hdfs://localhost:9000/user/hadoop/output

 

    

 

    

 

 

 

 

 

 

 

 

 

 

 

 

 

 

　　點擊Run按鈕，運行程序。

 

    4、運行完成后，查看運行結果        

        方法1：

 

        hadoop fs -ls output

        可以看到有兩個輸出結果，_SUCCESS和part-r-00000

        執行hadoop fs -cat output/*

        

        

        方法2:

        展開DFS Locations，如下圖所示，雙擊打開part-r00000查看結果