hadoop 0.20.2在eclipse开发的插件问题

我使用的是eclipse 3.7,开始使用的插件是hadoop-0.20.2文件夹下/contrib下的eclipse插件hadoop-0.20.2-eclipse-plugin.jar,配置完eclipse后,出现了run on hadoop没反应,后来看了网上一篇文章:

http://hi.baidu.com/laxinicer/blog/item/fbaddaf58bdae63fbc3109a0.html

下载了hadoop-0.20.3-dev-eclipse-plugin.jar插件,改名为hadoop-0.20.2-eclipse-plugin.jar,然后放到exlipse的plugin文件夹下,重新配置mapreduce location,最后run on hadoop成功了,伪分布模式下!!!


mark 一下

eclipse下配置hadoop步骤:

1.将 hadoop-0.20.3-dev-eclipse-plugin.jar改名为hadoop-0.20.2-eclipse-plugin.jar复制 到 eclipse安装目录/plugins/ 下。

2.重启eclipse,配置hadoop installation directory。
如果安装插件成功,打开Window-->Preferens,你会发现Hadoop Map/Reduce选项,在这个选项里你需要配置Hadoop installation directory。配置完成后退出。

3.配置Map/Reduce Locations。
在Window-->Show View中打开Map/Reduce Locations。
在Map/Reduce Locations中新建一个Hadoop Location。在这个View中,右键-->New Hadoop Location。在弹出的对话框中你需要配置Location name,如myubuntu,还有Map/Reduce Master和DFS Master。这里面的Host、Port分别为mapred-site.xml、core-site.xml中配置的地址及端口。


4.新建项目。
File-->New-->Other-->Map/Reduce Project
项目名可以随便取,如hadoop-test。
复制 hadoop安装目录/src/example/org/apache/hadoop/example/WordCount.java到刚才新建的项目下面。

5.上传模拟数据文件夹。
为了运行程序,我们需要一个输入的文件夹,和输出的文件夹。输出文件夹,在程序运行完成后会自动生成。我们需要给程序一个输入文件夹。
在当前目录(如hadoop安装目录)下新建文件夹input,并在文件夹下新建两个文件file01、file02,这两个文件内容分别如下:

file01:Hello World Bye World
file02:Hello Hadoop Goodbye Hadoop

6.运行项目。
a..在新建的项目hadoop-test,点击WordCount.java,右键-->Run As-->Run Configurations
b..在弹出的Run Configurations对话框中,点Java Application,右键-->New,这时会新建一个application名为WordCount
c..配置运行参数,点Arguments,在Program arguments中输入“你要传给程序的输入文件夹和你要求程序将计算结果保存的文件夹”,如

  1. hdfs://localhost:9000/user/Administrator/input01 hdfs://localhost:9000/user/Administrator/output01  

7.点击Run on hadoop,运行程序。

8.等运行结束后,可以在终端中用命令bin/hadoop fs -cat output01/*  查看生成的文件内容。


eclipse控制台输出信息:

12/03/03 09:27:42 WARN conf.Configuration: DEPRECATED: hadoop-site.xml found in the classpath. Usage of hadoop-site.xml is deprecated. Instead use core-site.xml, mapred-site.xml and hdfs-site.xml to override properties of core-default.xml, mapred-default.xml and hdfs-default.xml respectively
12/03/03 09:27:42 INFO input.FileInputFormat: Total input paths to process : 2
12/03/03 09:27:43 INFO mapred.JobClient: Running job: job_201203030918_0004
12/03/03 09:27:44 INFO mapred.JobClient:  map 0% reduce 0%
12/03/03 09:27:53 INFO mapred.JobClient:  map 100% reduce 0%
12/03/03 09:28:05 INFO mapred.JobClient:  map 100% reduce 100%
12/03/03 09:28:07 INFO mapred.JobClient: Job complete: job_201203030918_0004
12/03/03 09:28:07 INFO mapred.JobClient: Counters: 17
12/03/03 09:28:07 INFO mapred.JobClient:   Job Counters
12/03/03 09:28:07 INFO mapred.JobClient:     Launched reduce tasks=1
12/03/03 09:28:07 INFO mapred.JobClient:     Launched map tasks=2
12/03/03 09:28:07 INFO mapred.JobClient:     Data-local map tasks=2
12/03/03 09:28:07 INFO mapred.JobClient:   FileSystemCounters
12/03/03 09:28:07 INFO mapred.JobClient:     FILE_BYTES_READ=117
12/03/03 09:28:07 INFO mapred.JobClient:     HDFS_BYTES_READ=70
12/03/03 09:28:07 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=304
12/03/03 09:28:07 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=58
12/03/03 09:28:07 INFO mapred.JobClient:   Map-Reduce Framework
12/03/03 09:28:07 INFO mapred.JobClient:     Reduce input groups=7
12/03/03 09:28:07 INFO mapred.JobClient:     Combine output records=9
12/03/03 09:28:07 INFO mapred.JobClient:     Map input records=2
12/03/03 09:28:07 INFO mapred.JobClient:     Reduce shuffle bytes=123
12/03/03 09:28:07 INFO mapred.JobClient:     Reduce output records=7
12/03/03 09:28:07 INFO mapred.JobClient:     Spilled Records=18
12/03/03 09:28:07 INFO mapred.JobClient:     Map output bytes=114
12/03/03 09:28:07 INFO mapred.JobClient:     Combine input records=11
12/03/03 09:28:07 INFO mapred.JobClient:     Map output records=11
12/03/03 09:28:07 INFO mapred.JobClient:     Reduce input records=9
  • 0
    点赞
  • 3
    收藏
    觉得还不错? 一键收藏
  • 4
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值