Ubuntu下利用MyEclipse开发Hadoop

开发的大环境是Ubuntu 11.04，Hadoop 0.20.2，MyEclipse 9.1

首先要安装Myeclipse，在Ubuntu下安装Myeclipse和windows环境下安装的方法一样，下载myeclipse-9.1-offline-installer-linux.run然后双击运行就ok了。

接下来安装Myeclipse的Hadoop插件，在hadoop的安装路径里找到hadoop的eclipse插件，0.20.2的路径在hadoop安装路径/contrib/eclipse-plugin，将插件复制到myeclipse的安装路径中的dropins文件里

然后重启myeclipse，myeclipse会自动提示你说发现新插件。

安装插件成功，打开Window-->Preferens，你会发现HadoopMap/Reduce选项，在这个选项里你需要配置Hadoop installation directory。配置完成后退出。

之后就是调出mapreduce视图，操作流程是MyEclipse->Window->OpenPerspective->other->勾选show all->看见一个小象Map/Reduce 就是它了。

到目前你已经安装成功好hadoop插件了，接下来就是配置hadoop插件使它连上你的hadoop平台。

在Map/Reduce Locations中新建一个Hadoop Location。在这个View中，右键选择New Hadoop Location。在弹出的对话框中你需要配置Location name，如myHadoop，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。

配置完后退出。点击DFSLocations-->myHadoop如果能显示文件夹说明配置正确，如果显示"拒绝连接"，请检查你的配置。配置成功的如图

完成上面的一系列操作我们就可以进行开发了，先来个hello world 练练手。

新建项目。

File-->New-->Other-->Map/Reduce Project

项目名可以随便取，如hadoop-helloWorld。

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。

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

HelloWorld Bye World

file02

HelloHadoop 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/hadoopfs -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/hadoopfs -ls

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/xx/input01hdfs://localhost:9000/user/xx/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：

bin/hadoopfs -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/hadoopfs -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。

Bye1

Goodbye 1

Hadoop2

Hello2

World2

这里补充一下myeclipse执行mapreducer任务的时候打印输出日志，如果输出：

这个问题纠结了很久，执行命令行执行作业是可以打印出命令，证明log4j.properties的配置和位置应该都没有错误，这时只需把log4j.properties复制到项目的src根目录即可，至于为什么还不清楚。

以下介绍使用hadoop的eclipse插件的安装还有出现的问题。

以下内容为转载：

由于hadoop主要是部署和应用在linux环境中的，但是目前鄙人自知能力有限，还无法完全把工作环境转移到linux中去（当然还有点小私心啦，windows下那么多好用的程序到linux下用不了还真有点心疼——比如说快播，O(∩_∩)O~），于是便想着用eclipse来远程连接hadoop进行开发，摸索了一番，下面是其步骤：

　　1. 首先把hadoop-eclipse-plugin-1.0.4.jar（具体版本视你的hadoop版本而定）放到eclipse安装目录的plugins文件夹中，如果重新打开eclipse后看到有如下视图，则说明你的hadoop插件已经安装成功了：
　

　　其中的“hadoop installation directory”配置项用于指向你的hadoop安装目录，在windows下你只需要把下载到的hadoop-1.0.4.tar.gz包解压到某个位置，然后指向这个位置即可。

　　2. 配置eclipse中的Map/Reduce Locations，如下图所示：

　　其中主机“master”是我在“C:\Windows\System32\drivers\etc\hosts”中自定义的主机名：　　　　
　　　　218.195.250.80 master

　　这时如果在eclipse中能看到如下“DFS Locations”，就说明eclipse已经成功连上远程的hadoop了（注意，别忘了把你的视图切换到Map/Reduce视图，而不是默认的Java视图）：
　　

　　3. 现在我们来测试《hadoop权威指导》中的MaxTemperature例子程序，建立如下三个类：

      Run Configuration中的配置参数为：

     hdfs://202.193.75.78:49000/user/hadoop/input/core-site.xml  //输入文件，此处有换行
     hdfs://202.193.75.78:49000/user/hadoop/output5  //输出目录

　　这时如果我们运行MaxTemperature类，会报如下错：

12/04/24 15:32:44 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable  12/04/24 15:32:44 ERROR security.UserGroupInformation: PriviledgedActionException as:Administrator cause:java.io.IOException: Failed to set permissions of path: \tmp\hadoop-Administrator\mapred\staging\Administrator-519341271\.staging to 0700  Exception in thread "main" java.io.IOException: Failed to set permissions of path: \tmp\hadoop-Administrator\mapred\staging\Administrator-519341271\.staging to 0700

　　这个是Windows下文件权限问题，在Linux下可以正常运行，不存在这样的问题。
　　解决方法是，修改hadoop-1.0.4/src/core/org/apache/hadoop/fs/FileUtil.java里面的checkReturnValue，注释掉即可（有些粗暴，在Window下，可以不用检查）：
　　重新编译打包hadoop-core-1.0.4.jar，替换掉hadoop-1.0.4根目录下的hadoop-core-1.0.4.jar即可。（我重新打包的时候出了点问题，就直接以从网上下载的hadoop-core-1.0.2.jar代替hadoop-core-1.0.4.jar了，这样也可以正常运行，下载地址：https://skydrive.live.com/?cid=cf7746837803bc50&id=CF7746837803BC50%211276）
　　（其实还有另一种简单的办法，我们只需要把hadoop-1.0.4/src/core/org/apache/hadoop/fs/FileUtil.java修改之后重新编译过的class文件加入到原来的hadoop-core-1.0.4.jar包中代替原来的FileUtil.class文件即可，这里有一个已经做好的适合于windows环境的hadoop-core-1.0.4.jar包了，你可以直接下载）

　　另外，我还遇到了这么一个错误：

org.apache.hadoop.security.AccessControlException:Permission denied:user=Administrator,access=WRITE,inode="tmp":root:supergroup:rwxr-xr-x 。

　　这个错误有些蹊跷，因为我已经在map/reduce locations中配置了用户名是hadoop（hadoop就是我linux上运行hadoop集群的用户名），不知道它为什么还是以Administrator用户身份来方位hadoop的，解决办法如下：

　　问题原因：本地用户administrator（本机windows用户）想要远程操作hadoop系统，没有权限引起的。
      解决办法：
            a、如果是测试环境，可以取消hadoop hdfs的用户权限检查。打开conf/hdfs-site.xml，找到dfs.permissions属性修改为false（默认为true）OK了。
            b、修改hadoop location参数，在advanced parameter选项卡中，找到hadoop.job.ugi项，将此项改为启动hadoop的用户名即可。（注意第一次设置的时候可能没有hadoop.job.ugi参数，报错后在去看就有了。）
　　  　 c、因为Eclipse使用hadoop插件提交作业时，会默认以 DrWho 身份去将作业写入hdfs文件系统中，对应的也就是 HDFS 上的/user/hadoop ,  由于 DrWho 用户对hadoop目录并没有写入权限，所以导致异常的发生。解决方法为：放开 hadoop 目录的权限 ， 命令如下 ：$ hadoop fs -chmod 777

运行成功后的结果如下所示：