Eclipse下运行Hadoop程序（以WordCount为例，使用Maven）

这里使用的是Hadoop 2.7.1版本，其他版本应该也大致通用

配置Hadoop开发环境

使用maven可以很轻松地配置
新建一个Maven项目，然后在pom.xml中添加如下依赖项后，update即可

    <dependencies>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>2.7.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>2.7.1</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>2.7.1</version>
        </dependency>
    </dependencies>

update指的是：右键点击项目->Maven（大致在最下边）-> Update Project

如果你改完pom后，eclipse自动update了，就直接进行下一步即可

当然，你也可以下载Hadoop后，手动import这些包

WordCount Demo

直接新建一个WordCount类即可，然后类里面的代码如下（直接用的官方提供的2.7.1版本的example）：

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> [<in>...] <out>");
      System.exit(2);
    }
    Job job = Job.getInstance(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);
    for (int i = 0; i < otherArgs.length - 1; ++i) {
      FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
    }
    FileOutputFormat.setOutputPath(job,
      new Path(otherArgs[otherArgs.length - 1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

如果想对本机的文件进行word count，直接在run configuration里面如下配置即可：

关于run configuration，点击Toolbar里面那个Run的图标旁边的向下的三角，就会出现了

这里最后一个参数是输出文件夹的路径，前面的是若干个input文件的路径

配置好直接运行就ok了

处理HDFS中的文件

首先，你要配置好并启动namenode，可以参看我的上篇文章

将你要处理的文件放到HDFS中，比如：

cd {Hadoop的根目录}
bin\hdfs dfs -mkdir /input
bin\hdfs dfs -put etc/hadoop/*.xml /input

这样就把你的Hadoop的配置文件，放到了你HDFS中的/input目录

然后修改run configuration中的argument

即文件路径都需要加上前缀hdfs://localhost:9000
比如：hdfs://localhost:9000/input/capacity-scheduler.xml

配置好直接运行即可