Hadoop3 在eclipse中访问hadoop并运行WordCount实例

前言:

      毕业两年了，之前的工作一直没有接触过大数据的东西，对hadoop等比较陌生，所以最近开始学习了。对于我这样第一次学的人，过程还是充满了很多疑惑和不解的，不过我采取的策略是还是先让环境跑起来，然后在能用的基础上在多想想为什么。

      通过这三个礼拜(基本上就是周六周日，其他时间都在加班啊T T)的探索，我目前主要完成的是:

　　1.在Linux环境中伪分布式部署hadoop(SSH免登陆)，运行WordCount实例成功。 http://www.cnblogs.com/PurpleDream/p/4009070.html 

      2.自己打包hadoop在eclipse中的插件。  http://www.cnblogs.com/PurpleDream/p/4014751.html 

      3.在eclipse中访问hadoop运行WordCount成功。 http://www.cnblogs.com/PurpleDream/p/4021191.html 

      所以我下边会分三次记录下我的过程，为自己以后查阅方便，要是能帮助到其他人，自然是更好了！

 

===============================================================长长的分割线====================================================================

正文:

　　在之前的两篇文章中，我主要是介绍了自己初次学习hadoop的过程中是如何将hadoop伪分布式模式部署到linux环境中的，以及如何自己编译一个hadoop的eclipse插件。如果大家有需要的话，可以点击我在前言中列出的前两篇文章的链接。

      今天，我将在eclipse中，讲解如何使用MapReduce。对于下面的问题，我们首先讲解的是，如何在eclipse中配置DFS Location，然后讲解的是，在配置好的Location上运行WordCount实例。

    

      第一步，配置DFS Location:

      1.打开eclipse之后，切换到Map/Reduce模式，点击右下角的“new hadoop Location”图标，弹出一个弹出框，如下图所示，页面中中有两个页签需要配置，分别是General和Advanced Parameters。

       

      2.首先，我们先配置General中内容。General中主要需要我们进行Map/Reduce和HDFS的host的配置。

         (1).之前我们在Linux安装hadoop时，曾经修改了两个配置文件，分别是mapred-site.xml和core-site.xml。当时我们再配置的时候，配置的主机就是localhost和端口号。这里由于我们是在eclipse远程访问你Linux服务器中的hadoop，所以我们需要将原来配

置文件中的localhost修改成你服务器的ip地址，端口号不变(当然你可以参考网上的文章，配置host文件)。

         (2).然后将eclipse中我们刚才打开的General页签中的Map/Reduce的host配置成你的mapred-site.xml配置的ip地址和端口号；再将HDFS的host配置成你的core-site.xml配置的ip地址和端口号。注意，如果你勾选了HDFS中的那个“Use M/R Master Host”选项，那么HDFS的host将默认与Map/Reduce中配置的ip地址一致，端口号可另行配置。

      3.然后，我们要配置的是Advanced Parameters这个选项卡中的内容，这里面的内容比较多，但是不要紧张哦，因为我们在第一次配置时，可以使用他的默认配置。

　　　(1)打开这个选项卡，我们可以浏览一下这里面的内容，着重看下其中选项值包含“/tmp/.....”这种目录结构的选项，如果我们后边自己配置的话，其实要修改的也就是这些项。默认的“dfs.data.dir”是在linux服务器中的“/tmp”目录下，有时会带上你的root账号，这个可以根据自己的需要。

        (2).如果你不想使用上边的默认配置，则我们根据自己的需要，在我们安装的hadoop中的hdfs-site.xml文件中，增加对“dfs.data.dir”这个选项的配置，对应的目录自己可以提前建立，我的配置如图：

xml version="1.0"?>
xml-stylesheet type="text/xsl" href="configuration.xsl"?>


<configuration>
        <property>
                <name>dfs.data.dirname>
                <value>/myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/dfs_data_dirvalue>
        property>
        <property>
                <name>dfs.replicationname>
                <value>1value>
        property>
        <property>
                <name>dfs.permissionsname>
                <value>falsevalue>
        property>
configuration>

        (3).以我的配置为例，如果我在hadoop的服务器端做了这样的配置，那么我在Advanced Parameters选项卡中，需要修改下面的的几个选项的value值，注意，其实有个小技巧，你在配置的时候，先找到“hadoop.tmp.dir”这个选项，将这个选项配置成你自定义的目录位置，然后将Location这个弹出框关掉，再选中刚才的那个Location重新点击右下角的“Edit hadoop Location”选项（在“new hadoop Location”旁边），然后再切换到Advanced Parameters选项卡，会发现与之相关的几个选项的目录前缀都会发生改变，这时候你在浏览一下其他选项，确保目录前缀都进行了修改，就ok了。

dfs.data.dir  =>  /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/data

dfs.name.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/name

dfs.name.edits.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/name

fs.checkpoint.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/namesecondary

fs.checkpoint.edits.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/namesecondary

fs.s3.buffer.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/s3

hadoop.tmp.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir

mapred.local.dor => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/local

mapred.system.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/system

mapred.temp.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/temp

mapreduce.jobtracker.staging.root.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/staging

      4.经过上边的几步，我们自己的Location已经配置完了，这时候如果没有什么问题的话，会在我们的eclipse的左上角“DFS Location”的下面，显示出我们刚刚配置好的Location，右键点击这个Location的选择“Refresh”或者“ReConnect”，如果之前的配置没有问题的话，会显示我们再第一篇文章中上传的a.txt文件，以及我们之前在linux服务器端运行hadoop成功的output文件夹，如下图。如果没有上传文件，那么只会显示“dfs.data.dir”这个目录。

      

     

　　第二步，运行Word Count实例:

      1.Location配置好之后，我们可以在eclipse中建立一个MapReduce项目的工程。

      (1).利用反编译软件，从hadoop-1.0.1的安装包中反编译hadoop-examples-1.0.1.jar这个jar包，将其中的Word Count类取出来，放到你刚才建立的工程中。注意，如果你之前参考的在编译eclipse的hadoop插件时，参考的是我的第二篇文章的方法，这里需要加一步，右键点击项目选择buidld Path，对于以“hadoop-”开头的jar包，除了“hadoop-core-1.0.1.jar”和“hadoop-tools-1.0.1.jar”这两个jar包，其余的以“hadoop-”开头的jar包都要删除掉。主要是因为如果不删除，会导致WordCount这个类方法中的有些累引入的不正确。

      2.项目建立好之后，我们在WordCount类中，右键选择“Run Configurations”弹出一个弹出框，如下图，然后选中“Arguments”选项卡，在其中的“Program arguments”中配置你的hdfs的input文件的目录和output目录，然后点击“run”，运行即可，如果在console中没有抛出异常，证明运行成功，可选择左上角的Location，选择“Refresh”，会显示你的output文件夹以及运行的结果文件。

      

      第三步，错误排除:

      1.如果之前的output文件夹存在，你直接在eclipse中运行WordCount方法的话，可能console会报“output文件夹已经存在”这个错误，那么你只需要现将Location中的output文件夹删除，这个错误就不会报了。

      2.如果你运行的过程中报了“org.apache.hadoop.security.AccessControlException: Permission denied:。。。。”这个错误，是由于本地用户想要远程操作hadoop没有权限引起的，这时，我们需要在hdfs-site.xml中配置dfs.permissions属性修改为false（默认为true），可以参考本文上边关于“hdfs-site.xml”的配置。

      3.如果你运行的过程中报了“Failed to set permissions of path:。。。。”这个错误，解决方法是修改/hadoop-1.0.1/src/core/org/apache/hadoop/fs/FileUtil.java里面的checkReturnValue，注释掉即可（有些粗暴，在Window下，可以不用检查）。注意，此处修改时，网上的一般方法是，重新编译hadoop-core的源码，然后重新打包。其实如果想省事儿一点的话，我们可以在项目中建立一个org.apache.hadoop.fs这个包，将FileUtil.java这个类复制到这个包里面，按照下边图片中的修改方法，修改FileUtil.java就行了。之所以这种方法也行，是因为java运行时，会优先默认在本项目的源码中扫描相同路径的包，然后才是引入的jar文件中的。

      

     

      经过上边的步骤，我想多数情况下，你已经成功的在eclipse中远程访问了你的hadoop了，也许在你实践的过程中还会碰到其他问题，只要你耐心的在网上搜索资料，相信一定可以解决的，切记不要太着急。