【Hadoop】Build and Execute

Hadoop官方wiki上介绍了如何用Maven编译和生成Eclipse项目，但是它需要hadoop-common的trunk代码，因为只有trunk上有pom.xml文件。而对于其他release版本的源代码，都包含build.xml，因此可以通过ant来编译。本文根据自己的经验，总结一下如何将下载的tar.gz源码包导入Eclipse，进而通过Eclipse编译和执行Hadoop。

Compile and Build

1. 从官网上下载源码包，这里下载的是hadoop-1.0.4.tar.gz，不需要解压
2. 新建一个空的Eclipse Project，Import -> General -> Archive File，选择此tar.gz文件，将其全部导入新建的Project
3. 将需要编译的源码package加入build path：Build Path -> Configure Build Path，这里加入core, examples, hdfs, mapred四个package。同时，将default output folder设置为build/classes (hadoop启动脚本默认将$HADOOP_HOME/build/classes加入classpath)，如下图所示：
4. 将lib目录下的所有jar文件加入Project Libraries，如下图所示：
5. 接下来Eclipse将开始自动build，会发现很多编译错误。解决方法是下载一个jar文件，com.springsource.org.apache.tools.ant-1.8.1.jar，将其加入Project Library。

Execute

如果需要编写MapReduce程序，可以新建另一个Project，然后将Hadoop-1.0.4/build/classes目录加入Project Library。单元测试Mapper和Reducer可以使用MRUnit，测试代码如下所示：

	@Test
	public void testMap() {
		Text value = new Text("zhang jun");
		new MapDriver<Object, Text, Text, IntWritable>()
			.withMapper(new JunzWordCount.TokenizerMapper())
			.withInputValue(value)
			.withOutput(new Text("zhang"), ONE)
			.withOutput(new Text("jun"), ONE)
			.runTest();
	}
	
	@Test
	public void testReduce() {
		List<IntWritable> values = new ArrayList<IntWritable>();
		values.add(ONE);
		values.add(ONE);
		new ReduceDriver<Text,IntWritable,Text,IntWritable>()
			.withReducer(new JunzWordCount.IntSumReducer())
			.withInput(new Text("zhang"), values)
			.withOutput(new Text("zhang"), new IntWritable(2))
			.runTest();
	}

学习过程中可能需要修改源代码并测试执行，此时可以在Local Mode下运行Hadoop(Hadoop可以工作在三个模式，Local Mode,Pseudo-distributed, Distributed)。这里假定在JobClient.submitJobInternal()中增加一行LOG输出，这样在MapReduce Job提交的时候，就会输出该log：

  public 
  RunningJob submitJobInternal(final JobConf job
                               ) throws FileNotFoundException, 
                                        ClassNotFoundException,
                                        InterruptedException,
                                        IOException {
    /*
     * configure the command line options correctly on the submitting dfs
     */
    return ugi.doAs(new PrivilegedExceptionAction<RunningJob>() {
      public RunningJob run() throws FileNotFoundException, 
      ClassNotFoundException,
      InterruptedException,
      IOException{
    	//Add one log
    	LOG.info("Hello Junz");

Eclipse build完之后，将项目目录复制到VMware虚拟机的共享目录，在Guest CentOS下运行，可以看到输出的信息。通过查看./bin/hadoop启动脚本，可以知道它设定的classpath，$HADOOP_HOME/build/classes在$HADOOP_HOME/hadoop-core-1.0.4.jar之前，也就是说本地修改和编译的class优先被加载，因而可以看到修改后的代码反映在运行之中。