Hadoop学习笔记(4) ——搭建开发环境及编写Hello World

Hadoop学习笔记(4)

——搭建开发环境及编写Hello World

整个Hadoop是基于Java开发的，所以要开发Hadoop相应的程序就得用JAVA。在linux下开发JAVA还数eclipse方便。

1. 下载

进入官网：http://eclipse.org/downloads/。

找到相应的版本进行下载，我这里用的是eclipse-SDK-3.7.1-linux-gtk版本。

 

1. 解压

下载下来一般是tar.gz文件,运行：

$tar -zxvf eclipse-SDK-3.7.1-linux-gtk.tar.gz -c ~/Tool

这里Tool是需要解压的目录。

解完后，在tool下，就可以看到eclipse文件夹。

运行：

$~/Tool/eclipse/eclipse

 

1. 创建开始菜单项

每次运行时，输入命令行比较麻烦，最好能创建在左侧快捷菜单上。

$sudo gedit /usr/share/applications/eclipse.desktop

1.启动文本编译器，并创建文件，添加以下内容：

[Desktop Entry]

Version=1.0

Encoding=UTF-8

Name=Eclipse3.7.1

Exec=eclipse

TryExec=eclipse

Comment=Eclipse3.7.1,EclipseSDK

Exec=/usr/zjf/Tool/eclipse/eclipse

Icon=/usr/ zjf/Tool/eclipse/icon.xpm

Terminal=false

Type=Application

Categories=Application;Development;

[注意上面的路径]

 

2.创建启动器

sudo gedit /usr/bin/eclipse

添加如下内容

#!/bin/sh

export MOZILLA_FIVE_HOME="/usr/lib/mozilla/"

export ECLIPSE_HOME="/usr/local/eclipse"

$ECLIPSE_HOME/eclipse $*

3.添加可执行权限

sudo chmod +x /usr/bin/eclipse

4.在开始菜单中输入eclipse:

就会看到软件图标，然后将其拖到左侧工具条中即可。

 

1. 下载hadoop在eclise中的插件并配置

直接在网上搜：hadoop-0.20.2-eclipse-plugin.jar

https://issues.apache.org/jira/secure/attachment/12460491/hadoop-eclipse-plugin-0.20.3-SNAPSHOT.jar

下载后，将jar包放在eclipse安装目录下的plugins文件夹下。然后启动eclipse

第一次启动eclpse后，会让我们设定一个工作目录，即以后建的项目都在这个工作目录下。

进入后，在菜单window->Rreferences下打开设置：

点击browse选择hadoop的源码下的Build目录，然后点OK

 

打开Window->View View->Other 选择Map/Reduce Tools，单击Map/Reduce Locations，会打开一个View，

添加Hadoop Loacation，其中Host和Port的内容跟据conf/hadoop-site.xml的配置填写，UserName 是用户名，如

 

在配置完后，在Project Explorer中就可以浏览到DFS中的文件，一级级展开，可以看到之前我们上传的in文件夹，以及当是存放的2个txt文件，同时看到一个在计算完后的out文件夹。

现在我们要准备自己写个Hadoop 程序了，所以我们要把这个out文件夹删除，有两种方式，一是可以在这树上，执行右健删除。 二是可以用命令行：

$bin/hadoop fs -rmr out

用$bin/hadoop fs -ls 查看

 

1. 编写HelloWorld

环境搭建好了，之前运行Hadoop时，直接用了examples中的示例程序跑了下，现在可以自己来写这个HelloWorld了。

在eclipse菜单下 new Project 可以看到，里面增加了Map/Reduce选项：

选中，点下一步：

输入项目名称后，继续(next), 再点Finish

然后在Project Explorer中就可以看到该项目了，展开，src发现里面啥也没有，于是右健菜单，新建类（new->new class)：

然后点击Finish，就可以看到创建了一个java类了：

然后在这个类中填入代码：

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 {

System.out.println("key=" +key.toString());

System.out.println("Value=" + value.toString());

 

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();

System.out.println("url:" + conf.get("fs.default.name"));

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);

}

 

 

填入代码后，会看到一些错误，没关系，点击边上的红叉，然后选择里面的import即可；

 

如果想偷懒，则可以直接在类的开头帖入下面的这些引用：

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;

 

这里，如果直接用源码来操作，可能会GenericOptionsParser这个类找不到定义，还是红叉，没关系，如果还是红叉，可以添加commons-cli-1.2.jar

这个jar包，在build/ivy/lib/Hadoop/Common下，右健Project Explorer中的MyHelloWorld工程，选择Build Path->Config Build Path

在Liberaries Tab页下，点击Add External JARs 在弹出窗口中，跟据前面说的目录，找到这个jar包，点确定后，回到工程，可以看到红叉消失，说明编译都通过了。

 

在确保整个工程没有错误后，点击上面的小绿箭头，然后在弹出的小窗口上，选择Run On Hadoop:

点OK后，会弹出小窗口：

然手中选择Choose an existing server from the list below。然后找到之前配置的地址项，选中后，点Finish，然后系统不会Run起来，在控制台（双击可最大化）中可以看到运行结果：

运行完后，用命令行可以看到 $bin/hadoop fs –ls 可以看到多了一个out文件夹，再用$bin/hadoop fs –cat out/*可以将out文件夹内容全显示出来，则可以看到单词的统计结果来。

问题1 ：过程中，如果点了Run On Hadoop没有反应，则可能你下的这个有问题，重新到：https://issues.apache.org/jira/secure/attachment/12460491/hadoop-eclipse-plugin-0.20.3-SNAPSHOT.jar

上下载，然后将下载的插件重命名为"hadoop-0.20.2-eclipse-plugin.jar"，放入eclipse中的plugins目录下。

问题2：运行后，如果结果里只输入了个usage <in> <out>，则需要修改下参数，在运行菜单边上小箭头，下拉，点击Run Configuration，：

左边选中 JavaApplication中的 WordCount，右边，在Arguments中输入 in out。

然后再点Run 就可以看到结果了。

问题3：第二次运行会报错，仔细看提示，可以看到报错的是out目录已经存在，所以需要手动来删除一下。

 

好了，结果出来了，该收工了！

什么？收工？ 还没看懂程序呢！！

不急。一口吃不了胖子，慢慢来，学一些新东西，我喜欢先依葫芦画瓢然后再慢慢深入。 先能让程序入。 先能让程序正常跑起来，然后再来边学边改边运行。