Eclipse下配置使用Hadoop插件

前提，请先配置好Hadoop集群，并启动Hadoop守护进程。

集群搭建参见：http://blog.csdn.net/matraxa/article/details/7179366

我使用的软件版本如下：

Ubuntu： Ubuntu10.04

JDK： jdk1.6.0_25

Eclipse： Eclipse3.71

Hadoop： Hadoop-0.20.203.0

一、在Eclipse下配置Hadoop插件

1.复制 hadoop安装目录hadoop-0.20.203.0/contrib/eclipse-plugin/hadoop-eclipse-plugin-0.20.203.0.jar到eclipse安装目录下的plugins目录中。

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->other...，在MapReduce Tools中选择Map/Reduce Locations。

 

在Map/Reduce Locations（Eclipse界面的正下方）中新建一个Hadoop Location。在这个View中，点击鼠标右键-->New Hadoop Location。在弹出的对话框中你需要配置Location name，可任意填，如Hadoop，以及Map/Reduce Master和DFS Master。这里面的Host、Port分别为你在mapred-site.xml、core-site.xml中配置的地址及端口。我的这两个文件中配置如下： 

mapred-site.xml

[html] view plain copy

1. <property>  
2. <name>mapred.job.tracker</name>  
3. <value>matraxa:9001</value>  
4. </property>  

core-site.xml:

[html] view plain copy

1. <property>  
2. <name>fs.default.name</name>  
3. <value>hdfs://matraxa:9000</value>  
4. </property>  

最后的配置截图如下：

设置完成后，点击Finish就应用了该设置。然后，在最左边的Project Explorer中就能看到DFS的目录，如下图所示：

错误及解决方法

但是在我实践尝试中，发现hadoop-0.20.203.0版本的该包如果直接复制到eclipse的插件目录中，在连接DFS时会出现错误，提示信息为： "error: failure to login",弹出的错误提示框内容为"An internal error occurred during: "Connecting to DFS hadoop". org/apache/commons/configuration/Configuration". 经过察看Eclipse的log，发现是缺少jar包导致的。进一步查找资料后，发现直接复制hadoop-eclipse-plugin-0.20.203.0.jar，该包中lib目录下缺少了jar包。

经过网上资料搜集，此处给出正确的安装方法：

首先要对hadoop-eclipse-plugin-0.20.203.0.jar进行修改。用归档管理器打开该包，发现只有commons-cli-1.2.jar 和hadoop-core.jar两个包。将HADOOP_HOME/lib目录下的 commons-configuration-1.6.jar , commons-httpclient-3.0.1.jar , commons-lang-2.4.jar , jackson-core-asl-1.0.1.jar 和 jackson-mapper-asl-1.0.1.jar 等5个包复制到hadoop-eclipse-plugin-0.20.203.0.jar的lib目录下，如下图：

然后，修改该包META-INF目录下的MANIFEST.MF，将classpath修改为一下内容：

Bundle-ClassPath: classes/,lib/hadoop-core.jar,lib/commons-cli-1.2.jar,lib/commons-httpclient-3.0.1.jar,lib/jackson-core-asl-1.0.1.jar,lib/jackson-mapper-asl-1.0.1.jar,lib/commons-configuration-1.6.jar,lib/commons-lang-2.4.jar

如下图：

这样就完成了对hadoop-eclipse-plugin-0.20.203.0.jar的修改。

最后，将hadoop-eclipse-plugin-0.20.203.0.jar复制到Eclipse的plugins目录下，重启Eclipse即可。

二、在Eclipse中建立项目测试Hadoop插件是否成功配置

1、新建项目。 
File-->New-->Other-->Map/Reduce Project 
项目名可以随便取，如hadoopTest。 
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。 

2、上传模拟数据文件夹。 
为了运行程序，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。 

（1）、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 

[java] view plain copy

1. Hello World Bye World  

file02 

[java] view plain copy

1. Hello Hadoop Goodbye Hadoop  

(2)、.将文件夹input上传到分布式文件系统中。 
在已经启动Hadoop守护进程终端中cd 到hadoop安装目录，运行下面命令： 

[java] view plain copy

1. bin/hadoop fs -put input input  

这个命令将input文件夹上传到了hadoop文件系统了，在该系统下就多了一个input01文件夹，你可以使用下面命令查看： 

[java] view plain copy

1. bin/hadoop fs -ls    

3、运行项目。 

(1)、在新建的项目hadoop-test，点击WordCount.java，右键-->Run As-->Run Configurations 
(2)、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 

(3)、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： 

[java] view plain copy

1. hdfs://matraxa:9000/user/matraxa/input hdfs://matraxa:9000/user/matraxa/output  

这里面的input就是你刚传上去文件夹。文件夹地址你可以根据自己具体情况填写。如下图：

注意：虚拟机的启动参数"VM arguments"还是要填，不然会报堆不够的错误！具体见上图的填法

(4)、点击Run，运行程序。 

点击Run，运行程序，过段时间将运行完成，等运行结束后，可以在终端中用命令如下，查看是否生成文件夹output： 

bin/hadoop fs -ls  

用下面命令查看生成的文件内容： 

bin/hadoop fs -cat output01/* 


如果显示如下，说明已经成功在eclipse下运行第一个MapReduce程序了。 

[html] view plain copy

1. Bye 1    
2. Goodbye 1    
3. Hadoop  2    
4. Hello   2    
5. World   2   

参考文章：

http://phz50.iteye.com/blog/932373

http://hi.baidu.com/wangyucao1989/blog/item/279cef87c4b37c34c75cc315.html