Windows下Hadoop编程环境配置指南
刘勇 Email: lyssym@sina.com
本博客记录作者在工作与研究中所经历的点滴，一方面给自己的工作与生活留下印记，另一方面若是能对大家有所帮助，则幸甚至哉矣！
简介
鉴于最近在研究Hadoop编程时，为考虑编程的方便，在Windows本地编译源程序，然后直接访问Hadoop集群，这样给广大编程人员提供了极大的便利。在这个过程中积累了一些实际经验，并针对在该过程中（初级阶段）可能会遇到的问题，提供一些解决方案，希望对大家有所帮助。
环境介绍
Hadoop 集群：hadoop 2.7.1， Cent OS 6.5，jdk 1.7
eclipse 环境：Windows 7， eclipse LUNA，jdk 1.8
环境搭建
1） 安装eclipse hadoop 插件
从网络上下载与hadoop 版本相同的插件，如hadoop-eclipse-plugin-2.7.1.jar， 并将其拷贝至eclipse 安装目录中plugins，如D:\Program\eclipse\plugins，然后重启eclipse。
2） 配置mapreduce插件
Windows—>Preference—>Hadoop Map/Reduce，本文配置Hadoop处理目录在D:\hadoop。需要指出，该目录指出后续编译源程序所需的相关jar包以及所需的库文件（Windows编译所需），如图1所示。
图1 Map/Reduce 初始化目录
3） 切换视角
Windows—>Open Perspective—>Other，如图2所示。
图 2 Map/Reduce 视角
4） 配置Map/Reduce Locations
该部分配置在Windows下访问hadoop 集群的位置及相关信息。点击Map/Reduce Locations—>New Hadoop Locations—>General。参数配置过程中，需要关心方框中的Host 与Port，必须与Hadoop集群中Master与DFS配置保持一致，详细内容如图3和4所示。至于User name一般建议采用hadoop 集群安装的用户名hadoop，并在Windows用户与组中将administrator修改为hadoop能省掉很多不必要的麻烦。但是本文采用用户名root，主要是考虑该虚拟机上部署的后台程序较多，很多均需要root权限对配置文件进行修改，故此在该虚拟机上安装时采用root，后续将针对问题介绍(见FAQ 5)。
图 3 Windows下Hadoop集群DFS与NameNode配置
Map/Reduce Locations—>New Hadoop Locations—>Advanced parameters。配置过程中，只需关心方框中hadoop.tmp.dir 必须与hadoop集群core-site.xml配置一致，详细内容见图4和5。至此，eclipse Hadoop 插件已安装完毕。
图 4 Hadoop 集群中 core-site.xml配置
图 5 Windows下Hadoop集群临时文件配置
5） 测试与验证
在工程导航栏，展开DFS Locations，若能看到用户通过hadoop fs 操作命令在hadoop集群上对文件做出的操作，如图6所示，则该插件安装完成。需要指出，能够读取HDFS中文件并不表明用户拥有对HDFS的操作权限，用户需要验证对该文件系统上传文件、删除文件操作，并能完全成功，则表明确实拥有该权限。本文作者，最初采用root，见图3所示，并不能创建文件和删除文件，但是一直没有引起作者的注意，直到后期实际编程中，一直无法显示所需的结果时，才花费一定时间对其展开研究，具体解决方案见FAQ 5，希望这部分能引起注意。
图 6 Windows下访问Hadoop集群文件系统
编程异常与解决方案
经本文作者在编程过程中实际经验，写好的程序在hadoop 集群下（Linux环境中集群本地）能够访问，但是为编程的方便，将其编写于Windows下时可能会出现问题，下面结合作者的实际经验，给出相应解决方案。
1） FAQ：java.lang.NullPointerException
出现该异常是因为，在Windows下编译时会有hdfs临时文件存在，因此造成无法辨识该文件系统类型。
解决方案：从网络上下载与hadoop 版本号相同的hadoop.lib、winutils.exe等文件，并将其拷贝至hadoop 目录bin，如D:\hadoop\bin，以及Windows系统中，如C:\Windows\System32，同时需要注意下载的文件需要与CPU位数对应，即32位或64位。本文作者曾因CPU位数的问题折腾了许久。此外，本文作者给出一个最为保险的建议，采用Windows SDK将Hadoop 源码在Windows 本地编译一下，然后提取上述lib、exe文件，则该问题迎刃而解。
2） FAQ：java.lang.UnsatisfiedLinkError:
进一步分析，出现该异常是因为，在Windows中无合适的解析hdfs临时文件的问题，因此出现该情况，可能是hadoop.lib与hadoop集群版本不对，另一方面，可能是与CPU位数不一致。
解决方案：从网络上找到正确的版本文件，或者在本地重新编译hadoop 源码。
3） FAQ：org.apache.hadoop.mapreduce.lib.input.InvalidInputException
出现该异常是因为对hdfs文件系统目录的组织，不明确所致，若不指明hdfs，则以Windows下路径作为其默认路径名。
解决方案：在eclipse 工程目录栏中展开DFS Locations，逐级写出最终文件的位置，如test文件，则为hdfs://192.168.101.244:9000/user/root/input，需要加上hdfs://ip:port。
4） FAQ：java.lang.UnsupportedClassVersionError
出现该异常，则因为在Windows上编译的Hadoop程序与Hadoop集群上采用的JDK版本不一致。
解决方案：先查看Hadoop集群上jdk版本，然后在Windows上安装相同版本的即可。如本文Window上采用jdk 1.8，而hadoop 集群上采用jdk1.7，则在Windows上安装jdk 1.7，并对所需执行的工程，修改Build Path 和Compeler，并将其设为Java SE 1.7，之后重新编译即可。
5） FAQ：org.apache.hadoop.security.AccessControlException: Permission denied
程序运行后异常停止，无任何输出结果，出现该异常，则因为在本地访问hadoop hdfs时没有权限，因此在权限部分拒绝访问而退出，如，本文的root没有配置权限访问hdfs，故而看不到数据结果，此外，很多用户不太喜欢默认的用户名hadoop， 因此设置权限显得比较重要。
解决方案：本文基于测试环境，为图简便，修改集群的core-site.xml，如图7所示，将hdfs文件系统的访问许可检查关闭。但是，在实际应用中，则根据应用场景进行设置。
图7 Hadoop 集群文件系统访问权限修改
6）FAQ：未进入MapReduce框架，程序直接退出
出现该异常时，可在Mapper端的setup中跟踪MapReduce是否启动。根据调试证实MapReduce尚未启动，出现该问题存在两方面原因，其一为客户端是否与Hadoop集群双向联通；其二为客户端提交任务等库文件是否完整。
解决方案：通过客户端和Hadoop集群执行双向ping测试，尤其关注集群是否能ping 客户端，若未能成功，则需要开启客户端的防火墙；此外，鉴于客户端提交任务时，未能提供完整的库文件等信息，故此，可以将hadoop下的bin目录添加至环境变量变量中，从而实现一劳永逸。
作者：志青云集
出处：http://www.cnblogs.com/lyssym
如果，您认为阅读这篇博客让您有些收获，不妨点击一下右下角的【推荐】。
如果，您希望更容易地发现我的新博客，不妨点击一下左下角的【关注我】。
如果，您对我的博客所讲述的内容有兴趣，请继续关注我的后续博客，我是【志青云集】。
本文版权归作者和博客园共有，欢迎转载，但未经作者同意必须保留此段声明，且在文章页面明显位置给出原文连接。
