Hadoop学习笔记（4）－Eclipse下搭建Hadoop2.6.4开发环境并写wordcount

0.前言

本文参考博客：http://www.51itong.net/eclipse-hadoop2-7-0-12448.html
搭建开发环境前保障已经搭建好hadoop的伪分布式。可参考上个博客：
http://blog.csdn.net/xummgg/article/details/51173072

1.下载安装eclipse

下载网址：http://www.eclipse.org/downloads/

因为运行在ubuntu下，所以下载linux 64为的版本（支持javaEE），下载后默认放在当前用户的Downloads。
解压，命令如下：

解压后可以在/usr/local下看到：

因为，要加入新jar包进入eclipse，所以把ecplise文件夹权限，设置高权限。

2.下载hadoop插件

2.6.4插件hadoop-eclipse-plugin-2.6.4.jar 下载地址：
http://download.csdn.net/download/tondayong1981/9437360
下载完成后，把插件放到eclipse/plugins目录下

用sudo要输入用户密码。

3.设置eclipse

运行eclipse

打开window->preferences

可以看到多了个Hadoop Map/Reduce，设置本机的hadoop目录，我的目录时/usr/local/hadoop/hadoop-2.6.4/ ，如下图所示：

4.配置Map/Reduce Locations

注意：配置前先在后台运行起hadoop，即开启hadoop伪分布式的dfs和yarn，参考上一个博客。

Eclipse中打开Windows—Open Perspective—Other

选择Map/Reduce，点击OK

在右下方看到如下图所示

点击Map/Reduce Location选项卡，点击右边蓝色小象图标，打开Hadoop Location配置窗口。

输入Location Name，任意名称即可.配置Map/Reduce Master和DFS Mastrer，Host和Port配置成与core-site.xml的设置一致即可。如下图：

点击”Finish”按钮，关闭窗口。

点击左侧的DFSLocations—>myhadoop（上一步配置的location name），如能看到user，表示安装成功。这样eclipse就连接上了分布式文件系统，可以在eclipse里做查看，方便编程。

5.新建WordCount项目

点击File—>Project：

选择Map/Reduce Project，点next进入下一步：

输入项目名称WordCount，点finish完成：

在WordCount项目里右键src新建class，包名com.xxm（请自行命明），类名为WordCount：

代码如下：

package com.xxm;//改为自己的包名

import java.io.IOException;
import java.util.*;

import org.apache.hadoop.fs.Path;
import org.apache.hadoop.conf.*;
import org.apache.hadoop.io.*;
import org.apache.hadoop.mapreduce.*;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

/**
 * 描述：WordCount explains by xxm
 * @author xxm
 */
public class WordCount｛

 /**
 * Map类：自己定义map方法
 */
 public static class Map extends Mapper<LongWritable, Text, Text, IntWritable> {
    /**
    * LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类
    * 都能够被串行化从而便于在分布式环境中进行数据交换，可以将它们分别视为long,int,String 的替代品。
    */
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();
    /**
    * Mapper类中的map方法：
    * protected void map(KEYIN key, VALUEIN value, Context context)
    * 映射一个单个的输入k/v对到一个中间的k/v对
    * Context类：收集Mapper输出的对。
    */
    public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        String line = value.toString();
        StringTokenizer tokenizer = new StringTokenizer(line);
        while (tokenizer.hasMoreTokens()) {
            word.set(tokenizer.nextToken());
            context.write(word, one);
        }
    }
 } 

 /**
 * Reduce类：自己定义reduce方法
 */       
 public static class Reduce extends Reducer<Text, IntWritable, Text, IntWritable> {

    /**
    * Reducer类中的reduce方法：
    * protected void reduce(KEYIN key, Interable value, Context context)
    * 映射一个单个的输入k/v对到一个中间的k/v对
    * Context类：收集Reducer输出的对。
    */
    public void reduce(Text key, Iterable values, Context context) 
      throws IOException, InterruptedException {
        int sum = 0;
        for (IntWritable val : values) {
            sum += val.get();
        }
        context.write(key, new IntWritable(sum));
    }
 }

 /**
 * main主函数
 */       
 public static void main(String[] args) throws Exception {

    Configuration conf = new Configuration();//创建一个配置对象，用来实现所有配置

    Job job = new Job(conf, "wordcount");//新建一个job，并定义名称

    job.setOutputKeyClass(Text.class);//为job的输出数据设置Key类
    job.setOutputValueClass(IntWritable.class);//为job输出设置value类

    job.setMapperClass(Map.class); //为job设置Mapper类
    job.setReducerClass(Reduce.class);//为job设置Reduce类

    job.setInputFormatClass(TextInputFormat.class);//为map-reduce任务设置InputFormat实现类
    job.setOutputFormatClass(TextOutputFormat.class);//为map-reduce任务设置OutputFormat实现类

    FileInputFormat.addInputPath(job, new Path(args[0]));//为map-reduce job设置输入路径
    FileOutputFormat.setOutputPath(job, new Path(args[1]));//为map-reduce job设置输出路径
    job.waitForCompletion(true); //运行一个job，并等待其结束
 }

}

6.运行

运行前保证分布式文件系统里的input目录下有文件，如果是HDFS刚格式化过，也请参考《搭建Hadoop伪分布式》教程，创建和上传input文件以及里面的内容。

在WordCount的代码区域，右键，点击Run As—>Run Configurations，配置运行参数，即输入和输出文件夹地址参数：
　hdfs://localhost:9000/user/xxm/input hdfs://localhost:9000/user/xxm/output/wordcount3
如下图所示：

点击Run。
结果可以重连接myhadoop后进入output双击查看。也可以用HDFS命令get下来看。重连接myhadoop方法：在项目管理窗口，右键蓝色小象，选reconnect。

到此hadoop的eclipse开发环境搭建完成。

7.关联hadoop源码

还是在hadoop的下载网站下载源码：
http://hadoop.apache.org/releases.html

下载后解压到/usr/hadoop文件夹里：

如下图所示，选择了一个hadoop的InWritable函数，右击查看源程序：

结果源程序不能找到，所以要做源程序的关联。点击Attach Source：

将hadoop-2.6.4-src源码关联，点击ok：

跳转后可以看到InWritable函数已经可以看到源码了：

到此源码关联成功。

---

XianMing