mapreduce eclipse

mapreduce之于eclipse环境搭建好了之后，就可以尝试运行一个例子了，这里我还是从入门及的WordCount跑跑看看。WordCount的例子位于Hadoop的安装目录这里我简化为${HADOOP_HOME}下src/examples/org/apache/hadoop/examples的WordCount.java文件。

首先在eclipse中new 一个mapreduce project，取名为hadoop-test，一次新建一个package和class，class名字就是WordCount.然后我们仔细看看这个java代码，发现main方法需要接受一个用于输入文件参数的path和一个用于输出文件参数的path。

package com.francis.hadoop;

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> <out>");
			System.exit(2);
		}
		Job job = new Job(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);
		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}
}

于是我们可以需要创建这两个文件，并且put到我们的hdfs分布式文件系统上去。

在${HADOOP_HOME}下面创建一个input目录，然后创建两个文件file01.txt和file02.txt文件

file01.txt文件内容为hello world

file02.txt文件内容为hello hadoop

然后我们将input文件夹put到hdfs上去，input01作为显示文件夹名字(也作为运行WordCount接受输入文件的path)

${HADOOP_HOME}下bin/hadoop fs -put  input  input01 

然后我们就可以在hdfs中查看input01文件夹 bin/hadoop fs -ls  或者去你的eclipse中user(1)下刷新查看.

这个时候就可以运行WordCount了，点击Run as  -》 Run Configurations.在Arguments写入输入文件和输出文件的path参数

hdfs://localhost:9000/user/hadoop/input01 hdfs://localhost:9000/user/hadoop/output01（注意：这个参数文件的位置一定要在eclipse DFS Location中为准确。）

当程序运行完成之后，就可以在Eclipse中看到User下面hadoop下面不仅有一个input01文件夹和output01文件夹了，

而已用命令来查看output01文件夹的内容了 bin/hadoop fs -cat  output01/*  就会显示运行的结果。当然运行的时候也可以在eclipse的console中查看结果。