(Mac版)Eclipse搭建hadoop集群开发环境

eclipse集成hadoop开发环境

操作系统：MacOs 10.12

hadoop集群版本：hadoop-1.2.0版本

hadoop集成eclipse插件：hadoop-eclipse-plugin-1.2.0.jar

eclipse版本：Eclipse Mars.2 Release (4.5.2)

下面讲述eclipse搭建hadoop集群的详细步骤：（由于hadoop集群部署在其他机器上，故此处需要远程连接hadoop集群）

• 在系统偏好设置中，点击共享，将“远程登录”打开。

• 在eclipse软件plugins（插件目录）目录下hadoop-eclipse-plugin-1.2.0.jar（eclipse集成hadoop插件jar文件）

• 重启eclipse

• 设置开发环境HADOOP_HOME （在Mac终端上进行）

  export HADOOP_HOME=/Users/liumengxi/Documents/Soft/hadoop-1.2.1/

  export PATH=$PATH:$HADOOP_HOME/bin

• eclipse中导入hadoop安装包  Hadoop Map/Reduce菜单下添加hadoop安装目录 。此处安装路径为：/Users/liumengxi/Documents/Soft/hadoop-1.2.1/
  

• 将插件集成到eclipse后，选择show-view选择Map/Reduce窗口并打开

        

• 选择Map/Reduce窗口右键新建map/reduce工程，创建Map/Reduce

• 上述配置项稍加解释：

  Location name 工程名字，随便起

  Map/Reduce Master 对应hadoop集群下的mapred-site.xml文件中的配置 此处的host为集群master的ip地址为：192.168.0.188 端口号为：9001 

  DFS Master 对应hadoop集群下的core-site.xml文件中的配置  此处的端口号为：9000

  User name 此处填写的是 远程连接的主机名 此处为：yao（有一点需要强调：如果需要远程连接hadoop集群，mac上的用户名必须和hadoop集群的用户名保持一致，否则的话，就会出现权限问题。LZ的mac用户名和hadoop集群并没有保持一致，但是还是可以对hadoop集群进行操作，是因为有以下配置）。

  由于在hadoop集群下的mapred-site.xml文件中配置

  <property>

  <name>dfs.permissions</name>

  <value>false</value>

  </property>

  上述配置hadoop集群关闭权限的认证。

  如果正式发布时，远程连接的用户必须与hadoop集群用户保持一致，即可不用修改master的权限认证策略(dfs.permissions)。

•  环境搭建好之后，就可以创建Map/Reduce工程。

• 新建一个Map/Reduce程序（LZ在这里引入一个统计网站访问时间以及IP地址的例子)。

        

import java.io.IOException;import java.text.DateFormat;import java.text.SimpleDateFormat;import java.util.Date;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.conf.Configured;import org.apache.hadoop.fs.Path;import org.apache.hadoop.io.LongWritable;import org.apache.hadoop.io.NullWritable;import org.apache.hadoop.io.Text;import org.apache.hadoop.mapreduce.Job;import org.apache.hadoop.mapreduce.Mapper;import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;import org.apache.hadoop.util.Tool;import org.apache.hadoop.util.ToolRunner;public class Test_1 extends Configured implements Tool{enum Counter{LINESKIP, //出错的行}public static class Map extends Mapper<LongWritable,Text,NullWritable,Text>{  public void map(LongWritable key,Text value,Context context)throws IOException,InterruptedException{  String line = value.toString();//读取源数据try{//数据处理        String [] lineSplit = line.split(" ");String month = lineSplit[0];String time = lineSplit[1];String mac = lineSplit[6];Text out = new Text(month + ' ' + time + ' ' + mac);context.write( NullWritable.get(), out);//输出}catch ( java.lang.ArrayIndexOutOfBoundsException e ){context.getCounter(Counter.LINESKIP).increment(1);//出错令计数器+1return;}}}@Overridepublic int run(String[] args) throws Exception {Configuration conf = getConf();Job job = new Job(conf, "Test_1");//任务名job.setJarByClass(Test_1.class);//指定ClassFileInputFormat.addInputPath( job, new Path(args[0]) );//输入路径FileOutputFormat.setOutputPath( job, new Path(args[1]) );//输出路径job.setMapperClass( Map.class );//调用上面Map类作为Map任务代码job.setOutputFormatClass( TextOutputFormat.class );job.setOutputKeyClass( NullWritable.class );//指定输出的KEY的格式job.setOutputValueClass( Text.class );//指定输出的VALUE的格式job.waitForCompletion(true);//输出任务完成情况System.out.println( "任务名称：" + job.getJobName() );System.out.println( "任务成功：" + ( job.isSuccessful()?"是":"否" ) );return job.isSuccessful() ? 0 : 1;}public static void main(String[] args) throws Exception {//判断参数个数是否正确//如果无参数运行则显示以作程序说明 if ( args.length != 2 ){System.err.println("");System.err.println("Usage: Test_1 < input path > < output path > ");System.err.println("Counter:");System.err.println("\t"+"LINESKIP"+"\t"+"Lines which are too short");System.exit(-1);}//记录开始时间DateFormat formatter = new SimpleDateFormat( "yyyy-MM-dd HH:mm:ss" );Date start = new Date();//运行任务int res = ToolRunner.run(new Configuration(), new Test_1(), args);//输出任务耗时Date end = new Date();float time =  (float) (( end.getTime() - start.getTime() ) / 60000.0) ;System.out.println( "任务开始：" + formatter.format(start) );System.out.println( "任务结束：" + formatter.format(end) );System.out.println( "任务耗时：" + String.valueOf( time ) + " 分钟" );         System.exit(res);}}

• 运行代码前，需要先将数据上传至DFS文件系统中

         

• 点击run configurations按钮，新建运行任务，配置运行参数等。

 

• 运行结束后，查看控制台，以及DFS上的输出文件。

            运行map/reduce的日志文件

   map/reduce运行后产生的输出文件

• 至此，整个eclipse集成hadoop集群的过程以及开发第一个map/reduce程序全部完成。