使用Eclipse搭建Hadoop编程环境

在前人的基础上，进行总结学习，发现bug，修改bug。

系统平台：Ubuntu14.04TLS（64位）

Hadoop环境：Hadoop2.7.1

Eclipse：Neon.2 Release(4.6.2)

Eclipse插件：hadoop-eclipse-plugin-2.7.1.jar

一.编译环境搭建

1.在eclipse上安装Hadoop插件

把下载好的hadoop-eclipse-plugin-2.7.1.jar文件拷贝到eclipse安装目录中的plugins文件夹内。如下图：

2.继续配置hadoop编译环境（方便配置,确保已经开启了 Hadoop）

启动 Eclipse 后就可以在左侧的Project Explorer中看到DFS Locations。

3.插件的配置

第一步：选择 Window 菜单下的 Preference。

此时会弹出一个窗体，点击选择 Hadoop Map/Reduce 选项，选择 Hadoop 的安装目录（例如：/home/hadoop/hadoop）。

第二步：切换 Map/Reduce 开发视图

选择Window 菜单下选择 Open Perspective -> Other，弹出一个窗体，从中选择Map/Reduce 选项即可进行切换。

第三步：建立与 Hadoop 集群的连接

点击Eclipse软件右下角的Map/Reduce Locations 面板，在面板中单击右键，选择New Hadoop Location。

在弹出来的General选项面板中，General 的设置要与 Hadoop 的配置一致。一般两个 Host值是一样的，如果是伪分布式，填写 localhost 即可，这里使用的是Hadoop伪分布，设置fs.defaultFS 为 hdfs://localhost:9000，则 DFS Master 的 Port 改为 9000。Map/Reduce(V2) Master 的 Port 用默认的即可，Location Name 随意填写。

Advanced parameters 选项面板是对 Hadoop 参数进行配置，就是填写 Hadoop 的配置项(/home/hadoop/hadoop/etc/hadoop中的配置文件)，如果配置了 hadoop.tmp.dir，就要进行相应的修改。但修改起来会比较繁琐，可以通过复制配置文件的方式解决。只要配置General 就行了，点击 finish，Map/Reduce Location 就创建完成。

二.在 Eclipse 中操作 HDFS 中的文件

配置好后，点击左侧Project Explorer 中的 MapReduce Location 就能直接查看 HDFS 中的文件列表了（HDFS 中要有文件，如下图是 WordCount的输出结果），双击可以查看内容，右键点击可以上传、下载、删除 HDFS 中的文件。

如果无法查看，可右键点击Location 尝试 Reconnect 或重启 Eclipse。HDFS 中的内容更新后Eclipse 不会同步刷新，需要右键点击 Project Explorer中的MapReduce Location，选择Refresh，（文件比较大的情况下eclipse可能死掉，重启eclipse就行）才能看到更新后的文件。

三.在 Eclipse 中创建 MapReduce 项目

点击 File 菜单，选择 New -> Project...:

选择Map/Reduce Project，点击Next。

填写 Projectname 为 WordCount 即可，点击Finish就创建好了项目。

然后在左侧的Project Explorer 可以看到刚才建立的项目。

接着右键点击刚创建的WordCount 项目，选择 New -> Class

需要填写两个地方：在Package 处填写 org.apache.hadoop.examples；在Name 处填写WordCount。（包名、类名可以随意起）

 

创建 Class 完成后，在 Project 的src中可以看到 WordCount.java 这个文件。将如下 WordCount的代码拷贝到该文件中。

package org.apache.hadoop.examples;
 
import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
 
public class WordCount {
    public WordCount() {
    }
 
    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration();
        String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
        if(otherArgs.length < 2) {
            System.err.println("Usage: wordcount <in> [<in>...] <out>");
            System.exit(2);
        }
 
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(WordCount.TokenizerMapper.class);
        job.setCombinerClass(WordCount.IntSumReducer.class);
        job.setReducerClass(WordCount.IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
 
        for(int i = 0; i < otherArgs.length - 1; ++i) {
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
 
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
        System.exit(job.waitForCompletion(true)?0:1);
    }
 
    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();
 
        public IntSumReducer() {
        }
 
        public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            int sum = 0;
 
            IntWritable val;
            for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
                val = (IntWritable)i$.next();
            }
 
            this.result.set(sum);
            context.write(key, this.result);
        }
    }
 
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        private static final IntWritable one = new IntWritable(1);
        private Text word = new Text();
 
        public TokenizerMapper() {
        }
 
        public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
 
            while(itr.hasMoreTokens()) {
                this.word.set(itr.nextToken());
                context.write(this.word, one);
            }
 
        }
    }
}

四.通过eclipse运行mapreduce

运行 MapReduce 程序前，务必将 /home/hadoop/hadoop/etc/hadoop 中将有修改过的配置文件（如伪分布式需要core-site.xml 和 hdfs-site.xml），以及log4j.properties复制到WordCount 项目下的 src文件夹（~/workspace/WordCount/src）中。

原因：

在使用 Eclipse 运行 MapReduce 程序时，会读取 Hadoop-Eclipse-Plugin 的Advanced parameters作为 Hadoop 运行参数，如果未进行修改，则默认的参数其实就是单机（非分布式）参数，因此程序运行时是读取本地目录而不是HDFS 目录，就会提示Input 路径不存在。

Exception in thread "main" org.apache.hadoop.mapreduce.lib.input.InvalidInputException: Input path does not exist: file:/home/hadoop/workspace/WordCountProject/input

所以需要将配置文件拷贝到项目中的 src 目录，来覆盖这些参数。让程序能够正确运行。log4j用于记录程序的输出日记，需要log4j.properties 这个配置文件，如果没有拷贝该文件到项目中，运行程序后在Console 面板中会出现警告提示：

log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

这种情况不影响程序的正确运行的，但程序运行时无法看到任何提示消息，只能看到出错信息。

拷贝完成后，右键点击 WordCount 选择 refresh 进行刷新（不会自动刷新，需要手动刷新），可以看到文件结构如下所示：

点击工具栏中的 Run 图标，或者右键点击 Project Explorer 中的 WordCount.java，选择 Run As -> Run on Hadoop，就可以运行 MapReduce 程序了。不过由于没有指定参数，运行时会提示 "Usage: wordcount "，需要通过Eclipse设定一下运行参数。

右键点击刚创建的 WordCount.java，选择 Run As -> Run Configurations，在此处可以设置运行时的相关参数（如果 Java Application 下面没有 WordCount，那么需要先双击 Java Application）。切换到 "Arguments"栏，在Program arguments 处填写参数 "/input  /output"。

注意：在环境下测试，如果没有"/",会提示如下错误信息：

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

也可以直接在代码中设置好输入参数。可将代码 main() 函数的 String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); 改为（没有测试）：

// String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
String[] otherArgs=new String[]{"input","output"}; /* 直接设置输入参数 */

设定参数后，运行程序，可以看到运行成功的提示，刷新DFS Location后也能看到输出的 output 文件夹。

五.在eclipse中导出可运行的jar包

1. 鼠标右键点击项目名称，并选择Export项

2. 选择Java--> Runnable JAR file

3. 选择正确的项目配置信息，和输出路径以及重命名jar包

4. 点击OK完成导出可运行jar（测试方法与运行Hadoop自带的Wordcount方法一样，不在赘述）

参考资料：

http://dblab.xmu.edu.cn/blog/hadoop-build-project-using-eclipse/