windows编译hadoop 2.x Hadoop-eclipse-plugin插件

  转载地址 ：http://blog.csdn.net/congcong68/article/details/42098391

一．简介

  Hadoop2.x之后没有Eclipse插件工具，我们就不能在Eclipse上调试代码，我们要把写好的Java代码的MapReduce打包成jar然后在Linux上运行，所以这种不方便我们调试代码，所以我们自己编译一个Eclipse插件，方便我们在我们本地上调试，经过hadoop1.x的发展，编译hadoop2.x版本的eclipse插件比之前简单多了。接下来我 们开始编译Hadoop-eclipse-plugin插件，并在Eclipse开发Hadoop。

二．软件安装并配置

 

 1.JDK配置

    1) 安装jdk

    2) 配置环境变量

      JAVA_HOME、CLASSPATH、PATH等设置，这里就不多介绍，网上很多资料

 2.Eclipse

   1).下载eclipse-jee-juno-SR2.rar

   2).解压到本地磁盘，如图所示：

     

3.Ant

  1）下载

   http://ant.apache.org/bindownload.cgi

   apache-ant-1.9.4-bin.zip

 2）解压到一个盘，如图所示：

   

 3）.环境变量的配置

    新建ANT_HOME=E:\ant\apache-ant-1.9.4-bin\apache-ant-1.9.4

    在PATH后面加;%ANT_HOME%\bin

 4）cmd 测试一下是否配置正确

    ant version   如图所示：

 

4.Hadoop

 1).下载hadoop包

    hadoop-2.6.0.tar.gz

   解压到本地磁盘，如图所示：

 

下载hadoop2x-eclipse-plugin源代码

 1）目前hadoop2的eclipse-plugins源代码由github脱管，下载地址是https://github.com/winghc/hadoop2x-eclipse-plugin，然后在右侧的Download ZIP连接点击下载，如图所示：

    

2）下载hadoop2x-eclipse-plugin-master.zip

   解压到本地磁盘，如图所示：

    

三．编译hadoop-eclipse-plugin插件

   

 1.hadoop2x-eclipse-plugin-master解压在E：盘打开命令行cmd，切换到E:\hadoop\hadoop2x-eclipse-plugin-master\src\contrib\eclipse-plugin 目录，如图所示：

     

2.执行ant jar

 antjar -Dversion=2.6.0 -Declipse.home=F:\tool\eclipse-jee-juno-SR2\eclipse-jee-juno-SR2 -Dhadoop.home=E:\hadoop\hadoop-2.6.0\hadoop-2.6.0，如图所示：

 3.编译成功生成的hadoop-eclipse-plugin-2.6.0.jar在E:\hadoop\hadoop2x-eclipse-plugin-master\build\contrib\eclipse-plugin路径下，如图所示：

   

四．Eclipse配置hadoop-eclipse-plugin 插件

   

 1.把hadoop-eclipse-plugin-2.6.0.jar拷贝到F:\tool\eclipse-jee-juno-SR2\eclipse-jee-juno-SR2\plugins目录下，重启一下Eclipse，然后可以看到DFS Locations,如图所示：

 2.打开Window-->Preferens，可以看到Hadoop Map/Reduc选项，然后点击，然后添加hadoop-2.6.0进来，如图所示：

3.配置Map/ReduceLocations

   1）点击Window-->Show View -->MapReduce Tools  点击Map/ReduceLocation

   2）点击Map/ReduceLocation选项卡，点击右边小象图标，打开Hadoop Location配置窗口： 输入Location Name，任意名称即可.配置Map/Reduce Master和DFS Mastrer，Host和Port配置成hdfs-site.xml与core-site.xml的设置一致即可。

4.查看是否连接成功

五.运行新建WordCount 项目并运行

   1.右击New->Map/Reduce Project

   2.新建WordCount.java

[java]  view plain  copy

1. import java.io.IOException;  
2. import java.util.StringTokenizer;  
3.   
4. import org.apache.hadoop.conf.Configuration;  
5. import org.apache.hadoop.fs.Path;  
6. import org.apache.hadoop.io.IntWritable;  
7. import org.apache.hadoop.io.Text;  
8. import org.apache.hadoop.mapreduce.Job;  
9. import org.apache.hadoop.mapreduce.Mapper;  
10. import org.apache.hadoop.mapreduce.Reducer;  
11. import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;  
12. import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
13.   
14. public class WordCount {  
15.   
16.   public static class TokenizerMapper  
17.        extends Mapper<Object, Text, Text, IntWritable>{  
18.   
19.     private final static IntWritable one = new IntWritable(1);  
20.     private Text word = new Text();  
21.   
22.     public void map(Object key, Text value, Context context  
23.                     ) throws IOException, InterruptedException {  
24.       StringTokenizer itr = new StringTokenizer(value.toString());  
25.       while (itr.hasMoreTokens()) {  
26.         word.set(itr.nextToken());  
27.         context.write(word, one);  
28.       }  
29.     }  
30.   }  
31.   
32.   public static class IntSumReducer  
33.        extends Reducer<Text,IntWritable,Text,IntWritable> {  
34.     private IntWritable result = new IntWritable();  
35.   
36.     public void reduce(Text key, Iterable<IntWritable> values,  
37.                        Context context  
38.                        ) throws IOException, InterruptedException {  
39.       int sum = 0;  
40.       for (IntWritable val : values) {  
41.         sum += val.get();  
42.       }  
43.       result.set(sum);  
44.       context.write(key, result);  
45.     }  
46.   }  
47.   
48.   public static void main(String[] args) throws Exception {  
49.     Configuration conf = new Configuration();  
50.     Job job = Job.getInstance(conf, "word count");  
51.     job.setJarByClass(WordCount.class);  
52.     job.setMapperClass(TokenizerMapper.class);  
53.     job.setCombinerClass(IntSumReducer.class);  
54.     job.setReducerClass(IntSumReducer.class);  
55.     job.setOutputKeyClass(Text.class);  
56.     job.setOutputValueClass(IntWritable.class);  
57.     FileInputFormat.addInputPath(job, new Path(args[0]));  
58.     FileOutputFormat.setOutputPath(job, new Path(args[1]));  
59.     System.exit(job.waitForCompletion(true) ? 0 : 1);  
60.   }  
61. }  

3.在hdfs输入目录创建需要统计的文本

    1）没有输入输出目录卡，先在hdfs上建个文件夹  

        #bin/hdfs dfs -mkdir –p  /user/root/input

        #bin/hdfs dfs -mkdir -p  /user/root/output

    2）.把要统计的文本上传到hdfs的输入目录下

       # bin/hdfs dfs -put/usr/local/hadoop/hadoop-2.6.0/test/* /user/root/input      //把tes/file01文件上传到hdfs的/user/root/input中

    3）.查看

       #bin/hdfs dfs -cat /user/root/input/file01

   

 4.点击WordCount.java右击-->Run As-->Run COnfigurations   设置输入和输出目录路径，如图所示：

  

  5.点击WordCount.java右击-->Run As-->Run on  Hadoop

  

      

  

 然后到output/count目录下，有一个统计文件，并查看结果，所以配置成功。

五.注意的地方

    我们在这篇介了，Eclipse连接Linux虚拟机上Hadoop并在Eclipse开发Hadoop的一些问题，解决Exception: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z 等一系列问题