Hadoop学习全程记录——在Eclipse中运行第一个MapReduce程序(3)

这是Hadoop学习全程记录第2篇，在这篇里我将介绍一下如何在Eclipse下写第一个MapReduce程序。 

新说明一下我的开发环境： 

操作系统：ubuntu 14.04
hadoop版本：hadoop1.2.1.tar.gz 
Eclipse版本：eclipse.tar.gz 

为了学习方便这个例子在“伪分布式模式”Hadoop安装方式下开发。 

在Eclipse下安装hadoop-plugin。 

1.复制 hadoop安装目录/contrib/eclipse-plugin/hadoop-1.2.-eclipse-plugin.jar 到 eclipse安装目录/plugins/ 下。 

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中打开Map/Reduce Locations。 
在Map/Reduce Locations中新建一个Hadoop Location。在这个View中，右键-->New Hadoop Location。在弹出的对话框中你需要配置Location name，如myubuntu，还有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。如： 

Map/Reduce Master 

Java代码  

1. localhost  
2. 9001  

DFS Master 

Java代码  

1. localhost  
2. 9000  

 


配置完后退出。点击DFS Locations-->myubuntu如果能显示文件夹(2)说明配置正确，如果显示"拒绝连接"，请检查你的配置。 
 


第三步，新建项目。 
File-->New-->Other-->Map/Reduce Project 
项目名可以随便取，如hadoop-test。 
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。 

第四步，上传模拟数据文件夹。 
为了运行程序，我们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代码  

1. Hello World Bye World   

file02 

Java代码  

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代码  

1. bin/hadoop fs -put input input01  

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代码  

1. bin/hadoop fs -ls  

第五步，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代码  

1. hdfs://localhost:9000/user/panhuizhi/input01 hdfs://localhost:9000/user/panhuizhi/output01  

这里面的input01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。 



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： 

Java代码  

1. bin/hadoop fs -ls  

查看是否生成文件夹output01。 

用下面命令查看生成的文件内容： 

Java代码  

1. bin/hadoop fs -cat output01/*  

如果显示如下，恭喜你一切顺利，你已经成功在eclipse下运行第一个MapReduce程序了。 

Java代码  

1. Bye 1  
2. Goodbye 1  
3. Hadoop  2  
4. Hello   2  
5. World   2  
6. 
   

补充1：以shell命令方式运行MapReduce程序

由于我自己在虚拟机中配置的三台机子，但是内存不够，在eclipse中运行之后会报错，显示空间不够，无法打开虚拟机。

所以只有手动将写好的程序打成jar包，在linux界面下用shell命令运行。

好像eclipse里面可以直接导出包，不过此处手动打包

1.首先在工程目录下将bin文件打包为jar文件

压缩方式为：jar -cvf filter.jar -C bin/ .

2.运行hadoop jar命令

命令为：hadoop jar filter.jar RouteFilter input output

其中hadoop jar后面第一个参数为已经打包好的jar包，第二个参数为主程序文件，第三个参数为输入路径，第四个参数为输出路径

补充2：HDFS中路径表示

在HDFS中路径以绝对路径为/user/...

之后的第一个参数为你当前用户名，我的用户名为hadoop，那么绝对路径即表示为/user/hadoop/...，后面的可以自己自由添加

不过在敲路径时，hadoop中可以以 ./ 来表示/user/hadoop/这个路径，使用起来比较方便

补充3：关于Map/Reduce输出结果可能出错的问题

当运行一次mapreduce程序之后，会根据相应输入目录中的文件，输出到输出目录中去，此后再次运行该程序hadoop会报错，因为此时输出目录已经存在，若想再次运行，简单的方法将这个已经生成的输出目录删去即可