Eclipse下搭建Hadoop2.4.0開發環境

時間 2019-11-19

標籤 eclipse 搭建 hadoop2.4.0 hadoop 開發環境欄目 Eclipse 简体版

原文原文鏈接

1、安裝Eclipse

下載Eclipse，解壓安裝，例如安裝到/usr/local，即/usr/local/eclipse java

4.3.1版本下載地址：http://pan.baidu.com/s/1eQkpRguapache

2、在eclipse上安裝hadoop插件

一、下載hadoop插件app

下載地址：http://pan.baidu.com/s/1mgiHFokeclipse

　　此zip文件包含了源碼，咱們使用使用編譯好的jar便可，解壓後，release文件夾中的hadoop.eclipse-kepler-plugin-2.2.0.jar就是編譯好的插件。oop

二、把插件放到eclipse/plugins目錄下spa

三、重啓eclipse，配置Hadoop installation directory 插件

若是插件安裝成功，打開Windows—Preferences後，在窗口左側會有Hadoop Map/Reduce選項，點擊此選項，在窗口右側設置Hadoop安裝路徑。3d

四、配置Map/Reduce Locationscode

打開Windows—Open Perspective—Other orm

選擇Map/Reduce，點擊OK

在右下方看到以下圖所示

點擊Map/Reduce Location選項卡，點擊右邊小象圖標，打開Hadoop Location配置窗口：

輸入Location Name，任意名稱便可.配置Map/Reduce Master和DFS Mastrer，Host和Port配置成與core-site.xml的設置一致便可。

點擊"Finish"按鈕，關閉窗口。

點擊左側的DFSLocations—>myhadoop（上一步配置的location name)，如能看到user，表示安裝成功

若是以下圖所示表示安裝失敗，請檢查Hadoop是否啓動，以及eclipse配置是否正確。

3、新建WordCount項目

File—>Project，選擇Map/Reduce Project，輸入項目名稱WordCount等。

在WordCount項目裏新建class，名稱爲WordCount，代碼以下：

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);

　　}

　　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);

}

}