[Hadoop]基于Eclipse的Hadoop应用开发环境配置

1. 安装Eclipse
   下载Eclipse（点击进入下载），解压安装。我安装在/usr/local/software/目录下。

   

2. 在eclipse上安装hadoop插件

   下载hadoop插件（点击进入下载） 把插件放到eclipse/plugins目录下。

3. 重启eclipse，配置hadoop installation directory

   如果安装插件成功，打开Window–>Preferens，你会发现Hadoop Map/Reduce选项，在这个选项里你需要配置Hadoop installation directory。配置完成后退出。

   

4. 配置Map/Reduce Locations

   在Window–>Show View中打开Map/Reduce Locations。

   

   

   在Map/Reduce Locations中新建一个Hadoop Location。在这个View中，右键–>New Hadoop Location。在弹出的对话框中你需要配置Location name，如Hadoop1.0，还有Map/Reduce Master和DFS Master。这里面的Host、Port分别为你在mapred-site.xml、core-site.xml中配置的地址及端口。如：
   Map/Reduce Master

   192.168.239.1309001

   DFS Master

   192.168.239.1309000

   

   配置完后退出。点击DFS Locations–>Hadoop如果能显示文件夹(2)说明配置正确，如果显示”拒绝连接”，请检查你的配置。

   

5. 新建WordCount项目

   File—>Project，选择Map/Reduce Project，输入项目名称WordCount等。
   在WordCount项目里新建class，名称为WordCount，代码如下：

   package WordCount;import java.io.IOException;import java.util.StringTokenizer;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.conf.Configured;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;import org.apache.hadoop.util.Tool;import org.apache.hadoop.util.ToolRunner;public class WordCount extends Configured implements Tool{    /**     *      * @author root     *     */    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);            }// while        }// map    }// mapper    /**     *      * @author root     *     */    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();            }//for            result.set(sum);            context.write(key, result);        }// reduce     }// reducer    /**     *      * @param args     * @return     * @throws Exception     */    public int run(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 name        Job job = new Job(conf, "word count");        // class         job.setJarByClass(WordCount.class);        // mapper        job.setMapperClass(TokenizerMapper.class);        // combiner        job.setCombinerClass(IntSumReducer.class);        // reducer        job.setReducerClass(IntSumReducer.class);        // output key format        job.setOutputKeyClass(Text.class);        // outout value format        job.setOutputValueClass(IntWritable.class);        // input path        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));        // output path        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));        job.waitForCompletion(true);        return job.isSuccessful() ? 0: 1;    }    /**     *      * @param args     * @throws Exception     */    public static void main(String[] args) throws Exception {        int res = ToolRunner.run(new Configuration(), new WordCount(), args);        System.exit(res);    }}

6. 配置运行参数

   在弹出的Run Configurations对话框中，点Java Application，右键–>New，这时会新建一个application名为WordCount 配置运行参数，点Arguments，在Program arguments中输入“你要传给程序的输入文件夹和你要求程序将计算结果保存的文件夹”。

   

7. 点击Run，运行程序

   点击Run，运行程序，过段时间将运行完成，等运行结束后，查看运行结果，使用命令： hadoop dfs -ls wordcountOutput查看例子的输出结果，发现有两个文件夹和一个文件，使用命令查看part-r-00000文件， hadoop dfs -cat wordcountOutput/part-r-00000可以查看运行结果。

   

   也可以从Eclipse上查看运行结果：