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
DFS Master
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
file02
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:
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:
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:
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:
查看是否生成文件夹output01。
用下面命令查看生成的文件内容:
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。
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。
![点击查看原始大小图片](http://dl.iteye.com/upload/attachment/425996/5cab3578-79e8-3b97-850b-7bf64947c106.png)
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
- localhost
- 9001
DFS Master
- localhost
- 9000
![](http://dl.iteye.com/upload/attachment/425998/074ee19f-c405-391d-818a-8a92b7cbaa0f.png)
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。
![](http://dl.iteye.com/upload/attachment/426002/f62d0dea-19a0-385f-b397-2a566ff7a838.png)
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
- Hello World Bye World
file02
- 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:
- 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:
- 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:
- 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。
![点击查看原始大小图片](http://dl.iteye.com/upload/attachment/426000/00148dd7-356e-3979-bbd1-89beba206f2b.png)
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:
- 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:
- 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。
- Bye 1
- Goodbye 1
- Hadoop 2
- Hello 2
- World 2
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