eclipse3.7.2配置hadoop1.0.3插件

[url]http://blog.csdn.net/yaoyaminaco/article/details/7655437[/url]

 

1. 安装插件

准备程序：

eclipse-3.7.2

hadoop-1.0.3-eclipse-plugin.jar

将hadoop-1.0.3-eclipse-plugin.jar 复制到eclipse/plugins目录下，重启eclipse。

2. 打开MapReduce视图

Window -> Open Perspective -> Other 选择Map/Reduce.

3. 添加一个MapReduce环境

在eclipse下端，控制台旁边会多一个Tab，叫“Map/Reduce Locations”，在下面空白的地方点右键，选择“New Hadoop location...”.

在弹出的对话框中填写如下内容：

Location name（名字）

Map/Reduce Master（Job Tracker的IP和端口，根据mapred-site.xml中配置的mapred.job.tracker来填写）

DFS Master（Name Node的IP和端口，根据core-site.xml中配置的fs.default.name来填写）

4. 使用eclipse对HDFS内容进行修改

经过上一步骤，左侧“Project Explorer”中应该会出现配置好的HDFS，点击右键，可以进行新建文件夹、删除文件夹、上传文件、下载文件、删除文件等操作。

注意：每一次操作完在eclipse中不能马上显示变化，必须得刷新一下。 

5. 创建MapReduce工程

5.1 配置Hadoop路径

Window -> Preferences 选择 “Hadoop Map/Reduce”，点击“Browse...”选择Hadoop文件夹的路径。
这个步骤与运行环境无关，只是在新建工程的时候能将hadoop根目录和lib目录下的所有jar包自动导入。

5.2 创建工程

File -> New -> Project 选择“Map/Reduce Project”，然后输入项目名称，创建项目。插件会自动把hadoop根目录和lib目录下的所有jar包导入。

5.3 创建Mapper或者Reducer

File -> New -> Mapper 创建Mapper，自动继承mapred包里面的MapReduceBase并实现Mapper接口。
注意：这个插件自动继承的是mapred包里旧版的类和接口，新版的Mapper得自己写。

Reducer同理。

6. 在eclipse中运行WordCount程序

6.1 导入WordCount源代码

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.LongWritable;
 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;

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

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

         public void map(LongWritable 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();
         if (args.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.setReducerClass(IntSumReducer.class);
         job.setMapOutputKeyClass(Text.class);
         job.setMapOutputValueClass(IntWritable.class);
         job.setOutputKeyClass(Text.class);
         job.setOutputValueClass(IntWritable.class);

         FileInputFormat.addInputPath(job, new Path(args[0]));
         FileOutputFormat.setOutputPath(job, new Path(args[1]));

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

     }

 }

6.1.1 map过程

Map过程需要继承org.apache.hadoop.mapreduce包中Mapper类，并重写其map方法。通过在map方法中添加两句把key值和value值输出到控制台的代码，可以发现map方法中value值存储的是文本文件中的一行（以回车符为行结束标记），而key值为该行的首字母相对于文本文件的首地址的偏移量。然后StringTokenizer类将每一行拆分成为一个个的单词，并将<word,1>作为map方法的结果输出，其余的工作都交有MapReduce框架处理。

6.1.2 reduce过程

Reduce过程需要继承org.apache.hadoop.mapreduce包中Reducer类，并重写其reduce方法。Map过程输出<key,values>中key为单个单词，而values是对应单词的计数值所组成的列表，Map的输出就是Reduce的输入，所以reduce方法只要遍历values并求和，即可得到某个单词的总次数。

6.1.3 执行mapreduce任务

在MapReduce中，由Job对象负责管理和运行一个计算任务，并通过Job的一些方法对任务的参数进行相关的设置。此处设置了使用TokenizerMapper完成Map过程中的处理和使用IntSumReducer完成Combine和Reduce过程中的处理。还设置了Map过程和Reduce过程的输出类型：key的类型为Text，value的类型为IntWritable。任务的输出和输入路径则由命令行参数指定，并由FileInputFormat和FileOutputFormat分别设定。完成相应任务的参数设定后，即可调用job.waitForCompletion()方法执行任务。

6.2 创建输入文件

对于所有的mapreduce工程，我们都需要有相关的输入文件作为input，就当前的demo而言，我们选择在hdfs根目录下创建:

$ $HADOOP_HOME/bin/hadoop fs -mkdir /mapreduce
$ $HADOOP_HOME/bin/hadoop fs -mkdir /mapreduce/wordcount
$ $HADOOP_HOME/bin/hadoop fs -mkdir /mapreduce/wordcount/input
$ $HADOOP_HOME/bin/hadoop fs -mkdir /mapreduce/wordcount/output

然后在~/Documents下创建文本文档inputfile.txt文件作为输入文件，其中文件内容为：

hello yuan ye hello great great yuan yuan yuan

把txt文件拷贝至hdfs的刚才新创建的input路径下：

$ $HADOOP_HOME/bin/hadoop fs -cp ~/Documents/inputfile.txt /mapreduce/wordcount/input

或者直接使用eclipse中的上传功能,也可以把文件上传到input路径下。

 

6.3 配置运行参数

Run As -> Open Run Dialog... 选择WordCount程序，在Arguments中配置运行参数：/mapreduce/wordcount/input /mapreduce/wordcount/output/1

分别表示HDFS下的输入目录和输出目录，其中输入目录中有几个文本文件，输出目录必须不存在。

6.4 运行

Run As -> Run on Hadoop 选择之前配置好的MapReduce运行环境，点击“Finish”运行。

控制台会输出相关的运行信息。

6.5 查看运行结果

在输出目录/mapreduce/wordcount/output/1中，可以看见WordCount程序的输出文件。除此之外，还可以看见一个logs文件夹，里面会有运行的日志。

运行结果为:

 

great   2
hello   2
ye  1
yuan    4