hadoop2.7.2 win7 eclipse环境搭建测试

环境搭建参照上一篇hadoop2.7.2 win7基础环境搭建。

Eclipse hadoop插件下载2.7.2：http://download.csdn.net/detail/fly_leopard/9503172

将下载的文件解压，将jar包放到Eclipse/plugin下，重启Eclipse。

project视图多了一个DFS Locations。浏览或者下载hadoop上的文件。下面配置hadoop.

配置Map/Reduce Locations 如下：

此时刷新DFS Locations如下：代表成功连接到hadoop。

新建hadoop项目，如下: 配置hadoop安装目录，建立项目时将会自动引入所需的包。

新建WordCount运行测试，WordCount是从网上找的，自己做了一些小修改加了点注释。如下：

package com.tom;

import java.io.File;
import java.io.IOException;
import java.text.SimpleDateFormat;
import java.util.Date;
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.mapred.JobConf;
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;
 
public class WordCount {
 
    /**
     * 用户自定义map函数，对以<key, value>为输入的结果文件进行处理
     * Map过程需要继承org.apache.hadoop.mapreduce包中Mapper类，并重写其map方法。
     * 通过在map方法中添加两句把key值和value值输出到控制台的代码
     * ，可以发现map方法中value值存储的是文本文件中的一行（以回车符为行结束标记），而key值为该行的首字母相对于文本文件的首地址的偏移量。
     * 然后StringTokenizer类将每一行拆分成为一个个的单词
     * ，并将<word,1>作为map方法的结果输出，其余的工作都交有MapReduce框架处理。 每行数据调用一次 Tokenizer：单词分词器
     */
    public static class TokenizerMapper extends
            Mapper<Object, Text, Text, IntWritable> {
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();
 
        /*
         * 重写Mapper类中的map方法
         */
        public void map(Object key, Text value, Context context)
                throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            //System.out.println(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());// 获取下个字段的值并写入文件
                context.write(word, one);
            }
        }
    }
 
    /**
     * 用户自定义reduce函数，如果有多个热度测，则每个reduce处理自己对应的map结果数据
     * Reduce过程需要继承org.apache.hadoop.mapreduce包中Reducer类，并重写其reduce方法。
     * Map过程输出<key,values>中key为单个单词，而values是对应单词的计数值所组成的列表，Map的输出就是Reduce的输入，
     * 所以reduce方法只要遍历values并求和，即可得到某个单词的总次数。
     */
    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 {
 
        /**
         * 环境变量配置
         */
        File jarFile = EJob.createTempJar("bin");
        ClassLoader classLoader = EJob.getClassLoader();
        Thread.currentThread().setContextClassLoader(classLoader);
 
        /**
         * 连接hadoop集群配置
         */
        Configuration conf = new Configuration(true);
        conf.set("fs.default.name", "hdfs://localhost:9000");
        conf.set("hadoop.job.user", "tom");
        conf.set("mapreduce.framework.name", "yarn");
        conf.set("mapreduce.jobtracker.address", "localhost:50020");
        conf.set("yarn.resourcemanager.hostname", "localhost");
        conf.set("yarn.resourcemanager.admin.address", "localhost:8033");
        conf.set("yarn.resourcemanager.address", "localhost:8032");
        conf.set("yarn.resourcemanager.resource-tracker.address", "localhost:8036");
        conf.set("yarn.resourcemanager.scheduler.address", "localhost:8030");
 
        String[] otherArgs = new String[2];
        otherArgs[0] = "hdfs://localhost:9000/user/tom/input";//计算原文件目录，需要提前创建并在里面存入文件
        String time = new SimpleDateFormat("yyyyMMddHHmmss").format(new Date());
        otherArgs[1] = "hdfs://localhost:9000/user/tom/output" + time;//计算后的计算结果存储目录，输出目录不能相同，每次程序执行的结果目录不能相同，所以添加时间标签
 
        /*
         * setJobName()方法命名这个Job。对Job进行合理的命名有助于更快地找到Job，
         * 以便在JobTracker和Tasktracker的页面中对其进行监视
         */
		Job job = Job.getInstance(conf);
        job.setJobName("word count");
        job.setJarByClass(WordCount.class);
 
        ((JobConf) job.getConfiguration()).setJar(jarFile.toString());//环境变量调用，添加此句则可在eclipse中直接提交mapreduce任务，如果将该java文件打成jar包，需要将该句注释掉，否则在执行时反而找不到环境变量
 
        // job.setMaxMapAttempts(100);//设置最大试图产生底map数量，该命令不一定会设置该任务运行过车中的map数量
        // job.setNumReduceTasks(5);//设置reduce数量，即最后生成文件的数量
 
        /*
         * Job处理的Map（拆分）、Combiner（中间结果合并）以及Reduce（合并）的相关处理类。
         * 这里用Reduce类来进行Map产生的中间结果合并，避免给网络数据传输产生压力。
         */
        job.setMapperClass(TokenizerMapper.class);// 执行用户自定义map函数
        job.setCombinerClass(IntSumReducer.class);// 对用户自定义map函数的数据处理结果进行合并，可以减少带宽消耗
        job.setReducerClass(IntSumReducer.class);// 执行用户自定义reduce函数
 
        /*
         * 接着设置Job输出结果<key,value>的中key和value数据类型，因为结果是<单词,个数>，
         * 所以key设置为"Text"类型，相当于Java中String类型
         * 。Value设置为"IntWritable"，相当于Java中的int类型。
         */
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
 
        /*
         * 加载输入文件夹或文件路径，即输入数据的路径
         * 将输入的文件数据分割成一个个的split，并将这些split分拆成<key,value>对作为后面用户自定义map函数的输入
         * 其中，每个split文件的大小尽量小于hdfs的文件块大小
         * （默认64M），否则该split会从其它机器获取超过hdfs块大小的剩余部分数据，这样就会产生网络带宽造成计算速度影响
         * 默认使用TextInputFormat类型，即输入数据形式为文本类型数据文件
         */
        System.out.println("Job start!");
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
 
        /*
         * 设置输出文件路径 默认使用TextOutputFormat类型，即输出数据形式为文本类型文件，字段间默认以制表符隔开
         */
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
 
        /*
         * 开始运行上面的设置和算法
         */
        if (job.waitForCompletion(true)) {
            System.out.println("ok!");
        } else {
            System.out.println("error!");
            System.exit(0);
        }
    }
}

辅助类：负责打jar包的：

package com.tom;
import java.io.File;
import java.io.FileInputStream;
import java.io.FileOutputStream;
import java.io.IOException;
import java.net.URL;
import java.net.URLClassLoader;
import java.util.ArrayList;
import java.util.List;
import java.util.jar.JarEntry;
import java.util.jar.JarOutputStream;
import java.util.jar.Manifest;

/**
 * @author tom
 * 
 */
public class EJob {
 
    //用户自定义classpath列表
    private static List<URL> classPath = new ArrayList<URL>();
 
    /**
     * 打包成jar文件
     * @param root class所在根目录 如：bin
     * @return
     * @throws IOException
     */
    public static File createTempJar(String root) throws IOException {
        if (!new File(root).exists()) {
            return null;
        }
        //jar包清单
        Manifest manifest = new Manifest();
        manifest.getMainAttributes().putValue("Manifest-Version", "1.0");
        //创建jar文件
        final File jarFile = File.createTempFile("EJob-", ".jar", new File(System.getProperty("java.io.tmpdir")));
        //运行完毕删除jar
        Runtime.getRuntime().addShutdownHook(new Thread() {
            public void run() {
                jarFile.delete();
            }
        });
        //向jar文件内写入数据
        JarOutputStream out = new JarOutputStream(new FileOutputStream(jarFile), manifest);
        createTempJarInner(out, new File(root), "");
        out.flush();
        out.close();
        return jarFile;
    }
 
    /**
     * class文件读取并写入到jar文件，递归调用
     * @param out 输出流指向
     * @param f 文件/目录，文件是即将写入的class
     * @param base f为文件时，base是文件相对路径，f为目录时，base是目录
     * @throws IOException
     */
    private static void createTempJarInner(JarOutputStream out, File f,
            String base) throws IOException {
        if (f.isDirectory()) {
            File[] fl = f.listFiles();
            if (base.length() > 0) {
                base = base + "/";
            }
            for (int i = 0; i < fl.length; i++) {
                createTempJarInner(out, fl[i], base + fl[i].getName());
            }
        } else {
        	//放入新的class文件，读取并写入
            out.putNextEntry(new JarEntry(base));
            FileInputStream in = new FileInputStream(f);
            byte[] buffer = new byte[1024];
            int n = in.read(buffer);
            while (n != -1) {
                out.write(buffer, 0, n);
                n = in.read(buffer);
            }
            in.close();
        }
    }
 
    /**
     * 根据URL路径获取classloader
     * @return
     */
    public static ClassLoader getClassLoader() {
    	//当前线程的classloader
        ClassLoader parent = Thread.currentThread().getContextClassLoader();
        if (parent == null) {
        	//该类classloader
            parent = EJob.class.getClassLoader();
        }
        if (parent == null) {
        	//系统classloader
            parent = ClassLoader.getSystemClassLoader();
        }
        //基于一个classloader来构建一个新的classloader并加上一些classpath
        return new URLClassLoader(classPath.toArray(new URL[0]), parent);
    }
 
    /**
     * 将内容或者目录添加到classpath
     * @param component
     */
    public static void addClasspath(String component) {
 
        if ((component != null) && (component.length() > 0)) {
            try {
                File f = new File(component);
 
                if (f.exists()) {
					URL key = f.getCanonicalFile().toURI().toURL();
                    if (!classPath.contains(key)) {
                        classPath.add(key);
                    }
                }
            } catch (IOException e) {
            	e.printStackTrace();
            }
        }
    }
    
    public static void main(String[] args) throws IOException {
		createTempJar("bin");
	}
}

run as JavaApplication 可以看到namenode黑窗口不断滚动。等待控制台执行完毕。刷新DFS Loactions或者浏览器localhost:9000查看目录文件如下：

具体运行流程，参考代码上的注释。