Hadoop学习笔记—6.Hadoop Eclipse插件的使用

开篇：Hadoop是一个强大的并行软件开发框架，它可以让任务在分布式集群上并行处理，从而提高执行效率。但是，它也有一些缺点，如编码、调试Hadoop程序的难度较大，这样的缺点直接导致开发人员入门门槛高，开发难度大。因此，Hadop的开发者为了降低Hadoop的难度，开发出了Hadoop Eclipse插件，它可以直接嵌入到Hadoop开发环境中，从而实现了开发环境的图形界面化，降低了编程的难度。

一、天降神器插件-Hadoop Eclipse

　　Hadoop Eclipse是Hadoop开发环境的插件，在安装该插件之前需要首先配置Hadoop的相关信息。用户在创建Hadoop程序时，Eclipse插件会自动导入Hadoop编程接口的jar文件，这样用户就可以在Eclipse插件的图形界面中进行编码、调试和运行Hadop程序，也能通过Eclipse插件查看程序的实时状态、错误信息以及运行结果。除此之外，用户还可以通过Eclipse插件对HDFS进行管理和查看。

　　总而言之，Hadoop Eclipse插件不仅安装简单，使用起来也很方便。它的功能强大，特别在Hadoop编程方面为开发者降低了很大的难度，是Hadoop入门和开发的好帮手！

二、Hadoop Eclipse的开发配置

2.1 获取Hadoop Eclipse插件

　　（1）为了方便，我们可以直接百度一下，我这里hadoop版本是1.1.2，因此只需要搜索一下hadoop-eclipse-plugin-1.1.2.jar即可，我们可以从下面的链接中下载该插件。

　　URL:http://download.csdn.net/download/azx321/7330363

　　（2）将下载下来的插件jar文件放置到eclipse的plugins目录下，然后重新启动eclipse。

　　（3）重新启动eclipse之后，单击按钮，添加hadoop eclipse插件视图按钮：首先选择Other选项，弹出如下图所示的对话框，从中选择Map/Reduce选项，然后单击OK即可。

　　（4）添加完成后，eclipse中就会多出一个Map/Reduce视图按钮，我们可以点击进入Map/Reduce工作目录视图：

2.2 Hadoop Eclipse插件的基本配置

　　（1）设置Hadoop的安装目录

　　在eclipse中选择Windows→Preference按钮，弹出一个对话框，在该对话框左侧会多出一个Hadoop Map/Reduce选项，然后单击此选项，在右侧设置Hadoop的安装目录。

　　（2）设置Hadoop的集群信息

　　这里需要与Hadoop集群建立连接，在Map/Reduce Locations界面中右击，弹出选项条，选择New Hadoop Location选项；

　　在弹出的对话框中填写连接hadoop集群的信息，如下图所示：

　　在上图所示的红色区域是我们需要关注的地方，也是我们需要好好填写的地方。

PS：Location name: 这个随便填写，我填写的是我的Hadoop Master节点的主机名；

Map/Reduce Master 这个框里：
Host：就是jobtracker 所在的集群机器，我这里是192.168.80.100
Hort：就是jobtracker 的port，这里写的是9001（默认的端口号）
这两个参数就是mapred-site.xml里面mapred.job.tracker里面的ip和port；

DFS Master 这个框里：
Host：就是namenode所在的集群机器，我这里由于是伪分布，都在192.168.80.100上面
Port：就是namenode的port，这里写9000（默认的端口号）
这两个参数就是core-site.xml里面fs.default.name里面的ip和port
（Use M/R master host，这个复选框如果选上，就默认和Map/Reduce Master这个框里的host一样，如果不选择，就可以自己定义输入，这里jobtracker 和namenode在一个机器上，所以是一样的，就勾选上）

User name：这个是连接hadoop的用户名，我这里是root用户；

　　接下来，单击Advanced parameters选项卡中的hadoop.tmp.dir选项，修改为你的Hadoop集群中设置的地址，我这里Hadoop集群中设置的地址是/usr/local/hadoop/tmp，然后单击Finish按钮（这个参数在core-site.xml中进行了配置）

PS：Advanced parameters选项卡中大部分的属性都已经自动填写上了，其实就是把那几个核心xml配置文件里面的一些配置属性展示出来。

　　刚刚的配置完成后，返回eclipse中，我们可以看到在Map/Reduce Locations下面就会多出来一个Hadoop-Master的连接项，这就是刚刚建立的名为Hadoop-Master的Map/Reduce Location连接，如下图所示：

2.3 查看HDFS

　　（1）通过选择eclipse左侧的DFS Locations下面的Hadoop-Master选项，就会展示出HDFS中的文件结构；

　　（2）这里在testdir文件夹处右击选择一个指定的文件，如下图所示：

三、在Eclipse下运行WordCount程序

3.1 创建Map/Reduce项目

　　选择File→Other命令，找到Map/Reduce Project，然后选择它，如下所示：

　　输入Map/Reduce工程的名称，这里取为：WordCount，单击Finish按钮完成，如下图所示：

3.2 创建WordCount类

　　这里新建一个WordCount类，输入以下代码：

public class WordCount extends Configured implements Tool {

    /**
     * @author Edison Chou
     * @version 1.0
     */
    public static class MyMapper extends
            Mapper<LongWritable, Text, Text, LongWritable> {
        /*
         * @param KEYIN →k1 表示每一行的起始位置（偏移量offset）
         * 
         * @param VALUEIN →v1 表示每一行的文本内容
         * 
         * @param KEYOUT →k2 表示每一行中的每个单词
         * 
         * @param VALUEOUT →v2表示每一行中的每个单词的出现次数，固定值为1
         */
        protected void map(LongWritable key, Text value,
                Mapper<LongWritable, Text, Text, LongWritable>.Context context)
                throws java.io.IOException, InterruptedException {
            Counter sensitiveCounter = context.getCounter("Sensitive Words:", "Hello");
            
            String line = value.toString();
            // 这里假定Hello是一个敏感词
            if(line.contains("Hello")){
                sensitiveCounter.increment(1L);
            }
            String[] spilted = line.split(" ");
            for (String word : spilted) {
                context.write(new Text(word), new LongWritable(1L));
            }
        };
    }

    /**
     * @author Edison Chou
     * @version 1.0
     */
    public static class MyReducer extends
            Reducer<Text, LongWritable, Text, LongWritable> {
        /*
         * @param KEYIN →k2 表示每一行中的每个单词
         * 
         * @param VALUEIN →v2 表示每一行中的每个单词的出现次数，固定值为1
         * 
         * @param KEYOUT →k3表示每一行中的每个单词
         * 
         * @param VALUEOUT →v3 表示每一行中的每个单词的出现次数之和
         */
        protected void reduce(Text key,
                java.lang.Iterable<LongWritable> values,
                Reducer<Text, LongWritable, Text, LongWritable>.Context context)
                throws java.io.IOException, InterruptedException {
            long count = 0L;
            for (LongWritable value : values) {
                count += value.get();
            }
            context.write(key, new LongWritable(count));
        };
    }

    // 输入文件路径
    public static String INPUT_PATH = "hdfs://hadoop-master:9000/testdir/input/words.txt";
    // 输出文件路径
    public static String OUTPUT_PATH = "hdfs://hadoop-master:9000/testdir/output/wordcount";

    @Override
    public int run(String[] args) throws Exception {
        // 首先删除输出路径的已有生成文件
        FileSystem fs = FileSystem.get(new URI(INPUT_PATH), getConf());
        Path outPath = new Path(OUTPUT_PATH);
        if (fs.exists(outPath)) {
            fs.delete(outPath, true);
        }

        Job job = new Job(getConf(), "WordCount");
        // 设置输入目录
        FileInputFormat.setInputPaths(job, new Path(INPUT_PATH));
        // 设置自定义Mapper
        job.setMapperClass(MyMapper.class);
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(LongWritable.class);
        // 设置自定义Reducer
        job.setReducerClass(MyReducer.class);
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(LongWritable.class);
        // 设置输出目录
        FileOutputFormat.setOutputPath(job, new Path(OUTPUT_PATH));

        System.exit(job.waitForCompletion(true) ? 0 : 1);
        return 0;
    }

    public static void main(String[] args) {
        Configuration conf = new Configuration();
        try {
            int res = ToolRunner.run(conf, new WordCount(), args);
            System.exit(res);
        } catch (Exception e) {
            e.printStackTrace();
        }
    }

}