hadoop

一、环境准备1、JDK安装与配置2、Eclipse下载下载解压即可，下载地址：https://pan.baidu.com/s/1i51UsVN3、Hadoop下载与配置下载解压即可，下载地址：https://pan.baidu.com/s/1i57ZXqt 配置环境变量： 在系统变量中新建变量：HADOOP_HOME，值：E:\Hadoop\hadoop-2.6.5 在Path系统变量中添加Hadoop的/bin路径，值：E:\Hadoop\hadoop-2.6.5\bin4、正常的集群状态确保集群处于启动状态，并且windows本地机器与集群中的master可以互相ping通，并且可以进行SSH连接； 在 C:\Windows\System32\drivers\etc\hosts文件中，追加Hadoop集群master节点的IP地址和主机名映射，如下：192.168.29.188 vnet5、Eclipse-Hadoop插件下载下载地址：https://pan.baidu.com/s/1o7791VG下载后将插件放在Eclipse安装目录的plugins目录下，重启Eclipse即可。6、Eclipse的Map/Reduce视图设置1）重启Eclipse后，在左侧栏可以看到此视图：打开Window—>Perspective—>Open Perspective—>Other…，选择Map/Reduce。若没有看到此选项，在确保插件放入plugins目录后已经重启的情况下，猜测可能是Eclipse或插件的版本问题导致，需重新下载相匹配的版本。2）打开Window—>Preferences—>Hadoop Map/Reduce，配置Hadoop的安装目录。二、WordCount项目实战1、Hadoop Location的创建与配置在Eclipse底部栏中选择Map/Reduce Locations视图，右键选择New Hadoop Locations，如下图：具体配置如下：点击finish，若没有报错，则表示连接成功，在Eclipse左侧的DFS Locations中可以看到HDFS文件系统的目录结构和文件内容；若遇到 An internal error occurred during: "Map/Reduce location status updater". java.lang.NullPointerExcept的问题，则表示当前HDFS文件系统为空，只需在HDFS文件系统上创建文件，刷新DFS Locations后即可看到文件系统内容；2、创建输入文件及目录在master节点上创建输入文件，并上传到HDFS对应的输入目录中，如下：vi input.txt //然后输入单词计数的文件内容，保存hdfs dfs -put input.txt /user/root/input/ //将Linux本地文件系统的文件上传到HDFS上input.txthello world hello hadoopbyebye hadoop3、创建Map/Reduce项目File—>New—>Project—>Map/Reduce Project，填入项目名称，还需要选择Hadoop Library的路径，这里选择“Use default Hadoop”即可，就是我们之前在Eclipse中配置的Hadoop。WordCount.java代码：package com.wecon.sqchen;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.LongWritable; 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.input.TextInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat; public class WordCount { public static class WordCountMap extends Mapper { private final IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException { String line = value.toString(); StringTokenizer token = new StringTokenizer(line); while (token.hasMoreTokens()) { word.set(token.nextToken()); context.write(word, one); } } } public static class WordCountReduce extends Reducer { public void reduce(Text key, Iterable values, Context context) throws IOException, InterruptedException { int sum = 0; for (IntWritable val : values) { sum += val.get(); } context.write(key, new IntWritable(sum)); } } public static void main(String[] args) throws Exception { System.setProperty("hadoop.home.dir","E:/Hadoop/hadoop-2.6.5" ); Configuration conf = new Configuration(); Job job = new Job(conf); job.setJarByClass(WordCount.class); job.setJobName("wordcount"); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); job.setMapperClass(WordCountMap.class); job.setReducerClass(WordCountReduce.class); job.setInputFormatClass(TextInputFormat.class); job.setOutputFormatClass(TextOutputFormat.class); FileInputFormat.addInputPath(job, new Path(args[0])); FileOutputFormat.setOutputPath(job, new Path(args[1])); job.waitForCompletion(true); } } 右键打开Run AS —> Run Configurations，配置Arguments，即程序中指定的文件输入目录和输出目录，如下：配置好后，Run AS—> Java Application，若无报错，则表示程序执行成功，在Eclipse左侧的 DFS Locations刷新后，可以看到输出目录和输出文件，如下：4、解决遇到的问题1）java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.解决方式：在main方法中、job提交之前，指定本地Hadoop的安装路径，即添加下列代码： System.setProperty("hadoop.home.dir","E:/Hadoop/hadoop-2.6.5" );2）(null) entry in command string: null chmod 0700 E:\tmp\hadoop-Administrator\mapred\staging \Administr解决方式：参考链接：https://ask.hellobi.com/blog/jack/5063 链接中所需文件下载地址：https://pan.baidu.com/s/1i4Z4aVV3）org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/user/root":root:supergroup:drwxr-xr-x解决方式：这是本地用户执行Application时，HDFS上的用户权限问题； 参考链接：http://blog.csdn.net/Camu7s/article/details/50231625 采用第三种方法，在master节点机器上执行下列命令：adduser Administratorgroupadd supergroupusermod -a -G supergroup Administrator4）org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://vnet:9000/user/root/output already exists解决方式：这是因为该项目的输出目录在HDFS中已经存在，而输出目录是在程序运行过程中创建的，不允许提前存在，所以只需删除HDFS上的对应output目录即可。5）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.解决方式：在项目的src目录下，New—>Other—>General—>File，创建文件“log4j.properties”，文件内容如下：log4j.rootLogger=WARN, stdoutlog4j.appender.stdout=org.apache.log4j.ConsoleAppenderlog4j.appender.stdout.layout=org.apache.log4j.PatternLayoutlog4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n5、参考链接：http://blog.csdn.net/bd_ai_iot/article/details/78287379http://blog.csdn.net/songchunhong/article/details/47046701http://blog.chinaunix.net/uid-20577907-id-3613584.htmlhttp://blog.csdn.net/jediael_lu/article/details/38705371