用Maven構建Hadoop項目

1). 用Maven建立一個標準化的Java項目

mvn archetype:generate -DarchetypeGroupId=org.apache.maven.archetypes -DgroupId=com.jason.hadoop.example -DartifactId=hadoopExample -DpackageName=com.jason.hadoop.example-Dversion=1.0-SNAPSHOT -DinteractiveMode=false
2).進入項目，執行mvn命令
cd hadoopExample/
mvn clean install
3).生成eclipse工程文件
mvn eclipse:eclipse
4)導入項目到eclipse
5).增長hadoop依賴
這裏我使用hadoop-1.0.1版本，在eclipse裏修改文件：pom.xml
 <dependency>
       <groupId>org.apache.hadoop</groupId>
       <artifactId>hadoop-core</artifactId>
       <version>1.0.1</version>
    </dependency>
    <dependency>
6)下載依賴
mvn clean install
7)重新生成eclipse工程文件
mvn eclipse:eclipse
8）從Hadoop集羣環境下載hadoop配置文件
core-site.xml
hdfs-site.xml
mapred-site.xml
保存在src/main/resources/hadoop目錄下面
9）編寫一個簡單的MapReduce程序，實現wordcount功能。
新建一個Java文件：WordCount.java

package com.jason.hadoop.example;

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<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);
      }
    }
  }
  
  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();
      }
      result.set(sum);
      context.write(key, result);
    }
  }

  public static void main(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);
      }
      conf.addResource("classpath:/hadoop/core-site.xml");
      conf.addResource("classpath:/hadoop/hdfs-site.xml");
      conf.addResource("classpath:/hadoop/mapred-site.xml");
      Job job = new Job(conf, "word count");
      job.setJarByClass(WordCount.class);
      job.setMapperClass(TokenizerMapper.class);
      job.setCombinerClass(IntSumReducer.class);
      job.setReducerClass(IntSumReducer.class);
      job.setOutputKeyClass(Text.class);
      job.setOutputValueClass(IntWritable.class);
      FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
      FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
      System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

運行該程序，arguments填寫如下參數（其中input目錄要先建好，output目錄若是存在要刪掉）
hdfs://localhost:9000/input hdfs://localhost:9000/output