hadoop - hadoop2.6 伪分布式 - eclipse 中 配置 和 示例 wordcount

1.配置eclipse 

   1.1 下载 linux版的 eclipse 

百度云 - 大数据资料专辑

   1.2 解压

     可以手动提取，也可以命令提取：

yuan@LABELNET:~/JAVA$ sudo tar -zxvf eclipse.tar.gz  ~/JAVA/

   1.3 运行

yuan@LABELNET:~/Java/eclipse$ ./eclipse

   1.4 图标

    我的是 deepin 15- linux 操作系统 ，创建图标很简单 

   （1） 必须在home 文件夹下或其子文件夹中进行，在其他磁盘是创建不成功的；

               比如 ：在JAVA文件下 ：注意 没有 sudo ，不然不会成功的；

yuan@LABELNET:~/Java$ gedit eclipse.desktop

   （2） 编辑如下 ：

#!/usr/bin/env xdg-open
[Desktop Entry]
Exec=/home/yuan/Java/android/eclipse/eclipse
Icon=/home/yuan/Java/android/eclipse/icon.xpm
Type=Application
Terminal=false
Name=lunaeclipse
GenericName=lunaeclipse
Categories=lunaeclipse
Name[en_US]=lunaeclipse
GenericName[en_US.UTF-8]=lunaeclipse
Name[zh_CN]=lunaeclipse

 含义 ：

 

   1.5 双击运行

     点击 标记信任  就可以了，可以复制到桌面使用！

   

   1.6 配置hadoop 插件

       在刚才的专辑中下载 hadoop-eclipse 插件，将其复制到 eclipse - plugins 文件夹下

  

    1.7 双击运行

    打开map-reduce 面板：

  1.8 配置 hadoop 路径

    配置hadoop 的安装路径，就是hadoop 的根路径；

   1.9 打开Map/Reduce Location 

   window  -  show View - MapReduce Tools

  

  

  1.10  New Hadoop Location

     50020 写错了 为 50070 ，其实就是 在配置 伪分布式的时候，配置的两个配置文件的端口号！！！

   1.11 查看

   点击的化，eclipse 可能提示报了一个错误，可以忽视他，点击左边 DFS Location :

  

可以看见 user / hadoop  目录，这里的hbase 可以忽略，我安装过了，并且测试了，所有这里就有了；

2. 演示 WrodCount 示例

 2.1 新建 map / reduce 工程

 

    

 2.2 复制配置文件

 三个复制到 工程的src 文件夹下 ：

cp /usr/local/hadoop/etc/hadoop/core-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/log4j.properties ~/workspace/WordCount/src

 2.3 复制分词源码

package cn.labelnet.wordcount;

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 {
		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 {
		private IntWritable result = new IntWritable();

		public void reduce(Text key, Iterable 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  ");
			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);
	}
}

2.4 创建 input 

     在当前用户下 创建 input 文件夹，并且进行上传文件 ，均可以右键操作创建和上传！！！

 2.5 运行

2.6 查看结果 

  在DFS LOCATION 上进行 刷新操作，查看 OutPut文件夹下 生成的文件，就可以了！

3.总结

    下篇学习下 NameNode 的 RPC 的 通信原理；