Hadoop + eclipse + linux 单机运作 WordCount
日期：2014-05-16 浏览次数：20702 次
Eclipse版本3.5， Hadoop版本hadoop-0.20.2
?
1. 安装Hadoop
? ? 下载hadoop-0.20.2, http://www.apache.org/dyn/closer.cgi/hadoop/core/
? ? 解压Hadoop并配置Hadoop home 环境变量$ gzip -d hadoop-0.20.2.tar.gz. 切换到Hadoop用户(不切换也可)
$ tar xvf hadoop-0.20.2.tar $ vi .bash_profile $ export JAVA_HOME=~/software/jdk1.6.0_11 # 添加 HADOOP=~/software/hadoop-0.20.2 # 添加PATH=$HADOOP/bin:$PATH $ export PATH $ source .bash_profile
?
? ??编辑 conf/hadoop-env.sh文件，将JAVA_HOME设置为Java安装根路径。
?
export JAVA_HOME=~/software/jdk1.6.0_11?
?
? ? 修改Hadoop配置文件：[其中ip地址是我的local地址]
? ??conf/ hdfs-site.xml
?
<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>
?
?
? ? conf/core-site.xml:
?
<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://192.168.13.171:9000</value>
</property>
</configuration>
?
?
? ??conf/mapred-site.xml
?
<configuration>
<property>
<name>mapred.job.tracker</name>
<value>192.168.13.171:9001</value>
</property>
</configuration>
?
?
? ? 启动Hadoop:
?
$ bin/start-all.sh?
?
? ? 查看是否成功
? ? http://ubuntu:50030 可以查看JobTracker的运行状态：
? ? http://ubuntu:50070 可以查看NameNode及整个分布式文件系统的状态等：
?
? ? #如不成功，则配置有问题。我遇见的情况是java远程调试端口占用了9000，所以NameNode启动不起来
?
2. Eclipse 开发Hadoop
?
? ? 下载hadoop-eclipse-plugin-0.20.3-SNAPSHOT.jar
https://issues.apache.org/jira/secure/attachment/12460491/hadoop-eclipse-plugin-0.20.3-SNAPSHOT.jar
?
? ? 注意不要用hadoop-0.20.2下自带的eclise插件，那个是坑爹的。否则会导致run on Hadoop 无反应。这个插件的版本是配合eclipse3.5的。下载后将其重命名为hadoop-0.20.2-eclipse-plugin.jar，并放入到eclipse插件目录中。
?
? ? 启动eclipse：打开windows->open perspective->other->map/reduce 可以看到map/reduce开发视图。设置Hadoop location.
?
? ? 打开windows->show view->other-> map/reduce Locations视图，在点击大象后【new Hadoop location】弹出的对话框（General tab）进行参数的添加：
? ? Location name: 任意
? ??map/reduce master：?与mapred-site.xml里面mapred.job.tracker设置一致。
? ? DFS master：与core-site.xml里fs.default.name设置一致。
? ? User name: 服务器上运行hadoop服务的用户名。
?
? ? 这些已经足够用。当然，如果你需要特殊设置，那么打开Advanced parameters设置面板，查看当前的选项以及修改其值.
?
? ? 创建Map/Reduce Project。运行最简单的WordCount程序。首先准备2个文件
?
$ bin/hadoop dfs -mkdir /tmp/input $ bin/hadoop dfs -put file1.txt input $ bin/hadoop dfs -put file2.txt input
?
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;
import org.apache.log4j.Logger;
public class WordCount {
public static Logger loger = Logger.getLogger(WordCount.class);
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 IOExceptio
