用Eclipse搭建Hadoop2.7.1开发环境

前几篇搭建了Hadoop的集群环境，今天安装一下在集群环境下的开发工具——eclipse。

安装之前下载所需软件：
eclipse：http://www.eclipse.org/downloads/
jre下载：http://www.java.com/en/download/manual.jsp
Hadoop2.7.1插件下载：http://download.csdn.net/detail/young_kim1/9334233

本文安装的是Eclipse IDE for Java EE Developers 4.5.1版本，jre是1.7的。

安装Eclipse

1、安装jre

将jre拷贝到toolkits文件夹下（在家目录里新建了两个文件夹toolkits和labc，前者用于存放的软件安装包，后者放置实验所需的软件，详细内容见前几篇）

解压安装：rpm -ivh jre-7u51-linux-i586.rpm(默认安装到/usr/java目录下)

配置环境变量：

打开vi /etc/profile
输入export PATH=$PATH:/usr/java/[jre安装目录]
使环境变量生效source /etc/profile

2、安装Eclipse

将文件复制到toolkits文件夹下

解压缩安装：tar -zxvf eclipse-jee-mars-1-linux-gtk.tar.gz
移动文件到labc文件夹下：mv eclipse ../labc
进入安装目录，启动Eclipse：./eclipse

将程序放到桌面：
桌面上右键–>【创建启动器】，输入eclipse安装目录。

点击【确定】，下次可直接从桌面启动。

安装Hadoop2.7.1插件

1、将下载好的插件移动到eclipse安装目录下的plugins文件夹下。

2、重新启动eclispe，配置hadoop安装目录和hdfs端口。

如果插件安装成功，打开【Windows】—>【Preferences】后，在窗口左侧会有Hadoop Map/Reduce选项，点击此选项，在窗口右侧设置hadoop安装路径，然后点击【OK】。

打开【Windows】–>【Perspective】–>【Open perspective】–>【Other】，选择【Map/Reduce】，点击【OK】。

点击【Map/Reduce Location】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配置成与core-site.xml的设置一致即可，我这里直接输入的IP地址(貌似Map/Reduce Master 的端口设置任何数字都可以)，点击【Finish】。

点击左侧的DFSLocations—>MyHadoop（上一步配置的location name)，如果不报错，表示安装成功。

注意：这里和Hadoop1.x不一样，1.x版本这里会有user文件夹，2.x以后没有，如果你是新装的hadoop，这里显示的文件数为0，此时并不是报错。

新建WordCount项目

1、点击【File】—>【Project】，选择【Map/Reduce Project】，输入项目名称WordCount，一直回车。

在WordCount项目里新建class，名称为WordCount，代码如下：

import java.io.IOException;
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 static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        private final static IntWritable one = new IntWritable(1);
        private Text word = new Text();

        public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, one);
            }
        }
    }

    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();

        public void reduce(Text key, Iterable<IntWritable> values, Context context)
                throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get();
            }
            result.set(sum);
            context.write(key, result);
        }
    }

    @SuppressWarnings("deprecation")
    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> <out>");
            System.exit(2);
        }
        Job job = new Job(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(TokenizerMapper.class);
        job.setCombinerClass(IntSumReducer.class);
        job.setReducerClass(IntSumReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

2、在HDFS上创建目录input

hadoop fs -mkdir /input

3、拷贝本地README.txt到HDFS的input里

hadoop fs -copyFromLocal /home/hadoop/labc/hadoop/README.txt /input

4、点击WordCount.java，右键，点击【Run As】—>【Run Configurations】，配置运行参数，即输入和输出文件夹

hdfs://Master:9000/input hdfs://Master:9000/output

5、点击【Run】，运行程序。

查看运行结果：

1> 在控制台输入：

hadoop fs -cat /output/part-r-00000

2>展开【DFS Locations】

=============================================

环境的搭建告一段落，现在要好好学习hadoop的操作了。