Hadoop错误2_Hadoop伪分布式下，运行WordCount时，Input path does not exist错误原因

在伪分布式下，按照下面两个博客，分别以命令行方式和Eclipse执行WordCount程序时，都会出现同样的错误，

（Eclipse：http://blog.csdn.net/wang_zhenwei/article/details/47422775）

（命令行方式：http://blog.csdn.net/wang_zhenwei/article/details/47439623）

错误描述为：

Exception in thread "main" org.apache.hadoop.mapreduce.lib.input.InvalidInputException: Input path does not exist: hdfs://localhost:9000/user/hadoop/input

即在路径hdfs://localhost:9000/user/hadoop/input下，找不到input文件，

回顾最开始时，Hadoop伪分布式环境的安装教程，里面有对hdfs://localhost:9000/的相关操作，

（伪分布式配置：http://blog.csdn.net/wang_zhenwei/article/details/47043603）

这是伪分布式环境配置时的相关操作，

操作一：

修改配置文件 core-site.xml 为如下所示(vim /usr/local/hadoop/etc/hadoop/core-site.xml)：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

原文件中的内容为 (vim /usr/local/hadoop/etc/hadoop/core-site.xml)：

<configuration>

</configuration>

分析说明一：

如果将core-site.xml文件变动为原来的内容，则程序将不再去hdfs://localhost:9000下寻找input文件，而是在当前目录下寻找input文件，程序能够正常运行。

操作二：

上面的单机模式，grep 例子读取的是本地数据，伪分布式读取的则是 HDFS 上的数据。要使用 HDFS，首先需要创建用户目录

1. bin/hdfs dfs -mkdir -p /user/hadoop

接着将 etc/hadoop 中的文件作为输入文件复制到分布式文件系统中，即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。上一步已创建了用户目录 /user/hadoop ，因此命令中就可以使用相对目录如 input，其对应的绝对路径就是 /user/hadoop/input:

1. bin/hdfs dfs -mkdir input
2. bin/hdfs dfs -put etc/hadoop/*.xml input

复制完成后，可以通过如下命令查看文件列表：

1. bin/hdfs dfs -ls input

伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹删掉以及运行结果来验证这一点）。

1. bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

1. bin/hdfs dfs -cat output/*

也可以将运行结果取回到本地：

1. rm -R ./output
2. bin/hdfs dfs -get output output # 将 HDFS 上的 output 文件夹拷贝到本机
3. cat ./output/*

结果如下，注意到刚才我们已经更改了配置文件，所以运行结果不同。

Hadoop伪分布式运行grep结果

Hadoop运行程序时，默认输出目录不能存在，因此再次运行需要执行如下命令删除 output文件夹:

1. bin/hdfs dfs -rm -r /user/hadoop/output # 删除 output 文件夹

分析说明二：

在进行伪分布式环境配置时，作者已经进行了一次实例测试，

第一条命令是，

bin/hdfs dfs -mkdir -p /user/hadoop

当时是在/usr/local/hadoop路径下操作的，

目的是使用dfs指令建立一个新的路径/user/hadoop。

第二条和第三条命令是，

bin/hdfs dfs -mkdir input

bin/hdfs dfs -put etc/hadoop/*.xml input

当时的默认路径是/usr/hadoop，操作的意思是在此路径下再建立一个input文件夹，作为输入文件夹使用，

然后，向input文件夹拷贝文件，这条指令也可以换成其它的，比如bin/hdfs dfs -put input/* input，（在/usr/local/hadoop/路径下，已经建立好input文件夹的情况）。

然后，执行命令：

/usr/local/hadoop/bin/hadoop jar WordCount.jar org.apache.hadoop.examples.WordCount input output

此时，将不会报错，可以正常执行，

在Eclipse中执行WordCount程序，也可以执行成功，

继续使用命令查看结果，可以查看到，

拷贝到本机，完全按照上述指令，不能执行成功，原因是相对路径已经发生变化，

最后一条命令，删除已经产生的output文件夹，

bin/hdfs dfs -rm -r /user/hadoop/output 

说明，按照这种方法解决问题时，最开始的两个博客，要想执行成功，要将input文件夹拷贝到/user/hadoop文件夹下。