配置hadoop-1.2.1 eclipse开发环境

配置hadoop-eclipse开发环境

由于hadoop-eclipse-1.2.1插件需要自行编译，所以为了图省事而从网上直接下载了这个jar包，所以如果有需要可以从点击并下载资源。下载这个jar包后，将它放置在eclipse/plugins目录下，并重启eclipse即可。如果你需要自己编译该插件，请参考文献。

如果没有意外，在你的eclipse的右上角应该出现了一只蓝色的大象logo，请点击那只大象。之后，在正下方的区域将会多出一项Map/ReduceLocations的选项卡，点击该选项卡，并右键新建New HadoopLocation。

这时应该会弹出一个对话框，需要你填写这些内容：

• Location name
• Map/Reduce Master
• DFS Master
• User name

Location name指的是当前创建的链接名字，可以任意指定；Map/Reduce Master指的是执行MR的主机地址，并且需要给定hdfs协议的通讯地址； DFS Master 指的是DistributionFile System的主机地址，并且需要给定hdfs协议的通讯地址； User name指定的是链接至Hadoop的用户名。

参考上一篇文章的设计，hadoop-1.2.1集群搭建，这里的配置信息将沿用上一篇文章的设定。

因此，我们的设置情况如下

参数名配置参数说明Location namehadoop MapReduce MasterHost: 192.168.132.82NameNode 的IP地址MapReduce MasterPort: 9001
MapReduce Port，参考自己配置的mapred-site.xmlDFS MasterPort: 9000
DFS Port，参考自己配置的core-site.xmlUser namehadoop 

之后，切换到Advancedparameters，而你需要修改的有如下参数

参数名配置参数说明fs.default.namehdfs://192.168.132.82:9000参考core-site.xmlhadoop.tmp.dir/home/hadoop/hadoop/tmp参考core-site.xmlmapred.job.trackerhdfs://192.168.132.82:9001参考mapred-site.xml

之后确认，这样便在eclipse左边出现了HDFS的文件结构。但是现在你只能查看，而不能添加修改文件。因此你还需要手工登录到HDFS上，并使用命令修改权限。

./bin/hadoop fs -chmod -R 777 /

在完成这些步骤后，需要配置最后的开发环境了。

配置开发环境

我们可以试着编译一两个Hadoop程序, File -> Map/Reduce -> Map/Reduce Project或者直接通过 Project Wizzard 新建一个Hadoop项目，并命名该项目为 Hadoop Test。

我们的第一个程序是 wordcount， 源代码可以从hadoop安装目录下 \src\examples\org\apache\hadoop\examples 中获得。

    package org.apache.hadoop.examples;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

这里面，为了方便，我们直接贴出该代码。准备好后，就可以直接点击 Run 命令，对代码进行编译。不过在编译前，会弹出一个小窗口，选择Run on Hadoop，并确认。

等待一段时间，编译后并执行后，你会发现出现一段提示：

Usage: wordcount  

WordCount例程，需要输入文件，并且需要指定输出的文件存放目录。因此，我们还需要为程序设定参数。方法是，在Run命令下，选择RunConfigurations。

在 Arguments 选项卡中，Programarguments一栏里，指定输入和输出的参数。

我们给定的需要进行统计的文本存放在/Data/words。

Mary had a little lambits fleece very white as snowand everywhere that Mary wentthe lamb was sure to go

所以设定的参数为：

hdfs://192.168.132.82:9000/Data/words hdfs://192.168.132.82:9000/out

配置好参数，并运行

运行Hadoop源码

运行WordCount例程，Hadoop便会正常启动了。

14/05/29 15:13:59 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable14/05/29 15:13:59 WARN mapred.JobClient: No job jar file set.  User classes may not be found. See JobConf(Class) or JobConf#setJar(String).14/05/29 15:13:59 INFO input.FileInputFormat: Total input paths to process : 114/05/29 15:13:59 WARN snappy.LoadSnappy: Snappy native library not loaded14/05/29 15:13:59 INFO mapred.JobClient: Running job: job_local889277352_000114/05/29 15:13:59 INFO mapred.LocalJobRunner: Waiting for map tasks14/05/29 15:13:59 INFO mapred.LocalJobRunner: Starting task: attempt_local889277352_0001_m_000000_014/05/29 15:13:59 INFO mapred.Task:  Using ResourceCalculatorPlugin : null14/05/29 15:13:59 INFO mapred.MapTask: Processing split: hdfs://192.168.145.100:8020/Data/words:0+10914/05/29 15:13:59 INFO mapred.MapTask: io.sort.mb = 10014/05/29 15:13:59 INFO mapred.MapTask: data buffer = 79691776/9961472014/05/29 15:13:59 INFO mapred.MapTask: record buffer = 262144/32768014/05/29 15:13:59 INFO mapred.MapTask: Starting flush of map output14/05/29 15:13:59 INFO mapred.MapTask: Finished spill 014/05/29 15:13:59 INFO mapred.Task: Task:attempt_local889277352_0001_m_000000_0 is done. And is in the process of commiting14/05/29 15:13:59 INFO mapred.LocalJobRunner: 14/05/29 15:13:59 INFO mapred.Task: Task 'attempt_local889277352_0001_m_000000_0' done.14/05/29 15:13:59 INFO mapred.LocalJobRunner: Finishing task: attempt_local889277352_0001_m_000000_014/05/29 15:13:59 INFO mapred.LocalJobRunner: Map task executor complete.14/05/29 15:13:59 INFO mapred.Task:  Using ResourceCalculatorPlugin : null14/05/29 15:13:59 INFO mapred.LocalJobRunner: 14/05/29 15:13:59 INFO mapred.Merger: Merging 1 sorted segments14/05/29 15:13:59 INFO mapred.Merger: Down to the last merge-pass, with 1 segments left of total size: 219 bytes14/05/29 15:13:59 INFO mapred.LocalJobRunner: 14/05/29 15:14:00 INFO mapred.Task: Task:attempt_local889277352_0001_r_000000_0 is done. And is in the process of commiting14/05/29 15:14:00 INFO mapred.LocalJobRunner: 14/05/29 15:14:00 INFO mapred.Task: Task attempt_local889277352_0001_r_000000_0 is allowed to commit now14/05/29 15:14:00 INFO output.FileOutputCommitter: Saved output of task 'attempt_local889277352_0001_r_000000_0' to hdfs://192.168.145.100:8020/out14/05/29 15:14:00 INFO mapred.LocalJobRunner: reduce > reduce14/05/29 15:14:00 INFO mapred.Task: Task 'attempt_local889277352_0001_r_000000_0' done.14/05/29 15:14:00 INFO mapred.JobClient:  map 100% reduce 100%14/05/29 15:14:00 INFO mapred.JobClient: Job complete: job_local889277352_000114/05/29 15:14:00 INFO mapred.JobClient: Counters: 1914/05/29 15:14:00 INFO mapred.JobClient:   Map-Reduce Framework14/05/29 15:14:00 INFO mapred.JobClient:     Spilled Records=4014/05/29 15:14:00 INFO mapred.JobClient:     Map output materialized bytes=22314/05/29 15:14:00 INFO mapred.JobClient:     Reduce input records=2014/05/29 15:14:00 INFO mapred.JobClient:     Map input records=414/05/29 15:14:00 INFO mapred.JobClient:     SPLIT_RAW_BYTES=10314/05/29 15:14:00 INFO mapred.JobClient:     Map output bytes=19514/05/29 15:14:00 INFO mapred.JobClient:     Reduce shuffle bytes=014/05/29 15:14:00 INFO mapred.JobClient:     Reduce input groups=2014/05/29 15:14:00 INFO mapred.JobClient:     Combine output records=2014/05/29 15:14:00 INFO mapred.JobClient:     Reduce output records=2014/05/29 15:14:00 INFO mapred.JobClient:     Map output records=2214/05/29 15:14:00 INFO mapred.JobClient:     Combine input records=2214/05/29 15:14:00 INFO mapred.JobClient:     Total committed heap usage (bytes)=29045555214/05/29 15:14:00 INFO mapred.JobClient:   File Input Format Counters 14/05/29 15:14:00 INFO mapred.JobClient:     Bytes Read=10914/05/29 15:14:00 INFO mapred.JobClient:   FileSystemCounters14/05/29 15:14:00 INFO mapred.JobClient:     HDFS_BYTES_READ=21814/05/29 15:14:00 INFO mapred.JobClient:     FILE_BYTES_WRITTEN=13772614/05/29 15:14:00 INFO mapred.JobClient:     FILE_BYTES_READ=55714/05/29 15:14:00 INFO mapred.JobClient:     HDFS_BYTES_WRITTEN=13714/05/29 15:14:00 INFO mapred.JobClient:   File Output Format Counters 14/05/29 15:14:00 INFO mapred.JobClient:     Bytes Written=137

查看在HDFS文件系统中新生成的out文件夹，可以看见生成的part-r-00000，其结果为：

Mary    2a    1and    1as    1everywhere    1


//==========================================================//
source http://blog.csdn.net/poisonchry/article/details/27535333
//==========================================================//