作者:Tong ZHAN来源:https://www.polarxiong.com/
前言
Hadoop可以运行在三种模式下:
- 单机模式
- 伪分布模式
- 完全分布式模式
相信初学者入门Hadoop的第一堂课就是伪分布模式Hadoop系统的安装,相信一定是血泪史各种翻教程各种重装。而实际上,基于Hadoop的MapReduce程序在单机上运行,并不一定需要安装伪分布模式Hadoop系统,甚至,并不一定需要安装Hadoop。
运行和调试MapReduce程序只需要有相应的Hadoop依赖包就行,可以完全当成一个普通的JAVA程序。本文就将介绍这种简单方便的方法。
简介
正如上文所说,在单机模式下,可以将MapReduce程序当成一个普通的JAVA程序;对比伪分布模式,其主要不足就在于没有Hadoop的整个管理控制系统,如JobTracker面板,而只是用来运行和调试程序;而其优点就在于开发调试方便,编写的程序通常不需要修改即可在真实的分布式Hadoop集群下运行。
Maven
Maven是一个项目管理工具,我们这里主要用到的是它的依赖管理系统。通常我们在开发Hadoop MapReduce程序时,首先要下载对应版本的镜像,然后加载镜像中的JAR依赖包,开始编写代码。这个步骤说起来容易但经常会碰到错综复杂的依赖关系,而利用Maven就能轻松解决这个问题。只需要在Maven配置文件中指定Hadoop依赖包名字和版本号,Maven就能自动搞定这些依赖,你只需要专心写代码就好了。
Intellij IDEA
为什么不用Eclipse呢?这里没有贬低Eclipse的意思,只是我认为Eclipse用户体验太差,而且各种操作过于繁琐。Intellij用起来更顺手,内置了Maven的支持,而且看起来似乎更有前景,就使用Intellij了。
环境要求
- JDK 1.7(1.8似乎也可以,但Hadoop官方推荐1.7)
- Intellij
不需要安装任何模式的Hadoop。
WordCount
这里以Hadoop的官方示例程序WordCount为例,演示如何一步步编写程序直到运行。
新建项目
在Intellij中点击File->New->Project,在弹出的对话框中选择Maven,JDK选择1.7,点击Next。
![f8732160ef67463d683084ff70f7bcff.png](https://img-blog.csdnimg.cn/img_convert/f8732160ef67463d683084ff70f7bcff.png)
接下来填写Maven的GroupId和ArtifactId,随便填,点击Next。
![2b4f972bfb6bc522aea0eb414171460c.png](https://img-blog.csdnimg.cn/img_convert/2b4f972bfb6bc522aea0eb414171460c.png)
然后是Project name,这里填写WordCount,点击Finish。
![4f75497a25cb059beababf2a620ef919.png](https://img-blog.csdnimg.cn/img_convert/4f75497a25cb059beababf2a620ef919.png)
这样就新建好了一个空的项目,别着急,还有一个地方可能需要修改。打开Intellij的Preference偏好设置,定位到Build, Execution, Deployment->Compiler->Java Compiler,将WordCount的Target bytecode version修改为1.7。
![be5da03d0a41fd3be72b80e91b2fabd2.png](https://img-blog.csdnimg.cn/img_convert/be5da03d0a41fd3be72b80e91b2fabd2.png)
配置依赖
新建项目后,在Intellij左上方会有项目文件结构,双击以编辑pom.xml,这就是Maven的配置了。
添加源
pom.xml初始内容如下
![6d898d8585c7f9e6f74fe05577751089.png](https://img-blog.csdnimg.cn/img_convert/6d898d8585c7f9e6f74fe05577751089.png)
在project内尾部添加
apachehttp://maven.apache.org
添加apache源。
添加依赖
这里只需要用到基础依赖hadoop-core和hadoop-common;如果需要读写HDFS,则还需要依赖hadoop-hdfs和hadoop-client;如果需要读写HBase,则还需要依赖hbase-client。
在project内尾部添加
![7a538232861fde03b968f0559709b345.png](https://img-blog.csdnimg.cn/img_convert/7a538232861fde03b968f0559709b345.png)
这里hadoop-core的version一般为1.2.1,hadoop-common的version可以依照你的实际需要来。
修改pom.xml完成后,Intellij右上角会提示Maven projects need to be Imported,点击Import Changes以更新依赖
附上完整的pom.xml
![18cfdfb2832b4aa47239ba89fedeffc1.png](https://img-blog.csdnimg.cn/img_convert/18cfdfb2832b4aa47239ba89fedeffc1.png)
WordCount
在src->main->java下新建一个WordCount类,添加内容
![c7dc975741515c1148737b45f5b4606b.png](https://img-blog.csdnimg.cn/img_convert/c7dc975741515c1148737b45f5b4606b.png)
![a6df14cd7dc7ff848fd0b326cb96dbac.png](https://img-blog.csdnimg.cn/img_convert/a6df14cd7dc7ff848fd0b326cb96dbac.png)
此代码来自Hadoop官方教程,出处见参考。
配置输入文件
WordCount对输入文件字符进行计数,输出计数的结果。首先需要配置输入路径,这里在WordCount下(src同级目录)新建一个文件夹input,并添加一个或多个文本文件到input中,作为示例。
![bb1f9cff9c3c702b442fc95300f084de.png](https://img-blog.csdnimg.cn/img_convert/bb1f9cff9c3c702b442fc95300f084de.png)
这里还有一件事情,点击File->Project Structure,在弹出来的对话框中选择Modules项,点击Sources选项卡,将Language level调整为7。(如果你用到版本控制的话,可以在这里将input文件夹标记为Excluded。
![146428786d6fd680f705d024b8a6816a.png](https://img-blog.csdnimg.cn/img_convert/146428786d6fd680f705d024b8a6816a.png)
配置运行参数
这里我们需要配置此程序运行时的Main class,以及WordCount需要的输入输出路径。
在Intellij菜单栏中选择Run->Edit Configurations,在弹出来的对话框中点击+,新建一个Application配置。配置Main class为WordCount(可以点击右边的...选择),Program arguments为input/ output/,即输入路径为刚才创建的input文件夹,输出为output。
![106a028add11725a66e4fa5c5ef00188.png](https://img-blog.csdnimg.cn/img_convert/106a028add11725a66e4fa5c5ef00188.png)
运行和调试
运行
上述配置完成后,点击菜单栏Run->Run 'WordCount'即开始运行此MapReduce程序,Intellij下方会显示Hadoop的运行输出。待程序运行完毕后,Intellij左上方会出现新的文件夹output,其中的part-r-00000就是运行的结果了!
![668054093f808a072cbab93747cbf7f5.png](https://img-blog.csdnimg.cn/img_convert/668054093f808a072cbab93747cbf7f5.png)
由于Hadoop的设定,下次运行时务必删除output文件夹!
调试
断点调试也很容易,在需要设置的代码前单击加上断点,点击菜单栏Run->Debug 'WordCount'即开始调试,程序会在断点处停下。
![13e3585c5e0c415822e9122b63a50032.png](https://img-blog.csdnimg.cn/img_convert/13e3585c5e0c415822e9122b63a50032.png)
Windows下的权限问题
Windows下运行可能会出错,提示
ERROR security.UserGroupInformation: PriviledgedActionException as ...
这是因为当前用户没有权限来设置路径权限(Linux无此问题),一个解决方法是给hadoop打补丁,参考Failed to set permissions of path: tmp,因为这里使用的Maven,此方法不太适合。另一个方法是将当前用户设置为超级管理员(“计算机管理”,“本地用户和组”中设置),或以超级管理员登录运行此程序。
不过我觉得最好的解决方法是在Linux或macOS上跑hadoop。
小结
上面描述的步骤有些多,但逻辑上都是很清晰的,有过一次经验以后就之后就容易多了,主要就是在pom.xml的配置和运行参数的配置上。删除WordCount程序的运行不需要任何的Hadoop开发环境,并且依赖问题全部交给Maven解决了,怎么样?是不是非常简单?
DEMO
本示例程序代码放在Github上,参见zhantong/Hadoop-WordCount。
https://github.com/zhantong/Hadoop-WordCount