本人环境为win10
eclipse是 luna
在win10下,安装了vm workstation,其上安装了centos6.5 ,并在上面部署了hadoop2.6.4的伪分布式安装
一、 目标
设置win10下的eclipse开发环境,并且可以在此环境上开发Hadoop应用,并在伪分布式hadoop环境下测试。
二、准备
1、eclipse ( Kepler Service Release 1)
2、 hadoop2.6.0
3、 hadoop.dll 和 winutils
4、 wordcount 代码
5、 wordcount 所需要的统计单词的文本源
6、 hadoop for eclipse的插件,本人使用的插件为 hadoop-eclipse-plugin-2.6.0.jar
三、环境搭建步骤
1、 将hadoop2.6.0解压 在win10系统的任意目录下。 (就是为了配置eclipse用,实际联调的时候,是连接Linux 虚机上的伪分布式hadoop)
2、 设置win10的环境变量,通过控制面板-》系统-》高级设置-》环境变量 需要设置如下几个环境变量,已本人机器为例:
JAVA_HOME=C:\Program Files (x86)\Java\jre6\bin
HADOOP_HOME=E:\cwqwork\develop\hadoop-2.6.0
path 增加最后 E:\cwqwork\develop\hadoop-2.6.0\bin
3、拷贝插件到 eclipse安装目录下的plugsin目录
4、 启动eclipse, windows-》hadoop Map/Reduce
在 hadoop installation directory 里面,填入 前面第1步解压的目录,点击OK
5、 界面最右边新出先的 Map/Reduce标签点中, 在最左边Project Explorer 会出现 DFS Locations。
界面最右下角有个蓝色小象,点击后,设置 hadoop location
6、上面设置好后,就可以 一层一层浏览 DFS Locations。 这里显示的是 linux下hadoop的dfs系统
四、 测试工程代码
1、 新建工程,选other -》map reduce project, 然后输入工程名称等等,建立新的工程
2、 创建 WordCount 类
代码如下:
- 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);
- }
- System.out.println ("Usage: wordcount <in> <out>" + otherArgs[0] +" "+ otherArgs[1] );
-
- Job job = new Job(conf, "wordcount");
- 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.out.println ("add input path:" + otherArgs[0]);
- System.out.println ("set output path:" + otherArgs[1]);
- System.out.println ("begin wait job completion");
-
- job.waitForCompletion(true);
- }
- }
创建完成后, 在linux 虚机上导入需要统计的文本
文本1:Hello world Hello me! cwq solo
文本2: Hello world Hello you! solo
在linux 目录 /opt/hadoop/input/wordcount 下:
echo "Hello world Hello me! cwq solo" >test1.txt
echo " Hello world Hello you! solo" >test2.txt
hadoop fs -put /opt/hadoop/input/wordcount input
3、 完成后,在类上右键-》run configuration-》 输入参数
hdfs://192.168.136.155:9000/user/hadoop/input/wordcount hdfs://192.168.136.155:9000/user/hadoop/output/wordcount
输入后,不要执行。
然后,用run on hadoop 方式执行。
4、 正常情况下,会报异常:
- Exception in thread "main" java.lang.NullPointerException
- at java.lang.ProcessBuilder.start(ProcessBuilder.java:441)
- at org.apache.hadoop.util.Shell.runCommand(Shell.java:445)
- at org.apache.hadoop.util.Shell.run(Shell.java:418)
原因是,没有安装补丁。 将 hadoop.dll 和 winutils 拷贝到 win10上hadoop目录下bin目录。
5、 再次运行,没有异常,但是运行结束,查看dfs 没有output结果, console没有输出异常。 这里纠结很久。
解决办法:在src 目录下,建立log.properities文件,使得log4j 可以打印
- log4j.rootLogger=debug,stdout,R
- log4j.appender.stdout=org.apache.log4j.ConsoleAppender
- log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
- log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n
- log4j.appender.R=org.apache.log4j.RollingFileAppender
- log4j.appender.R.File=mapreduce_test.log
- log4j.appender.R.MaxFileSize=1MB
- log4j.appender.R.MaxBackupIndex=1
- log4j.appender.R.layout=org.apache.log4j.PatternLayout
- log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%
- log4j.logger.com.codefutures=DEBUG
6、再次运行,console打印会有error
WARN - job_local194089354_0001
org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/user/hadoop/output":hadoop:supergroup:drwxr-xr-x
at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.checkFsPermission(FSPermissionChecker.java:271)
说明是权限问题, eclipse是用Administrator启动的,连接linux下的hadoop是用此用户,所以权限禁止。
解决办法:
1)、如果是测试环境,可以取消hadoop hdfs的用户权限检查。打开conf/hdfs-site.xml,找到dfs.permissions属性修改为false(默认为true)OK了。
2)、修改hadoop location参数,在advanced parameter选项卡中,找到hadoop.job.ugi项,将此项改为启动hadoop的用户名即可
3)、 修改window 机器的用户名为 hadoop 用户名。
7、执行,这次又报错了:java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0
这个时候我们需要在debug的时候环境变量加上HADOOP_HOME=D:\tools\hadoop-2.6.0和PATH=%PATH%;D:\tools\hadoop-2.6.0\bin
如图:
8、再次执行,这次正确执行完成,console 不报告错误, dfs location 右键 -》reconnect -》一层一层点开,最后output 目录下看到统计单词结果。
Hello 4
cwq 1
me! 1
solo 2
world 2
you! 1