hadoop实战–搭建eclipse开发环境及编写Hello World
原创文章，转载请注明： 转载自工学1号馆
欢迎关注我的个人博客：www.wuyudong.com, 更多云计算与大数据的精彩文章
1、在eclise中安装hadoop的插件并配置
在上篇文章《编译hadoop eclipse的插件（hadoop1.0）》，已经介绍过怎样编译基于hadoop1.0的eclipse插件
将jar包放在eclipse安装目录下的plugins文件夹下。然后启动eclipse
进入后，在菜单window->Rreferences下打开设置：
点击“Ant” 出现：
点击browse选择hadoop的源码下的build目录，然后点OK
打开Window->Show View->Other 选择Map/Reduce Tools，单击Map/Reduce Locations，会打开一个View：
添加Hadoop Loacation，其中Host和Port的内容这里的host和port对应mapred-site.xml中mapred.job.tracker的值，UserName 是用户名，我配置的是localhost和9001
但是出现如下问题，eclipse的左侧看不到project explorer，更看不到其中的dfs
解决办法：
应该在菜单栏
选择：Window->Open pespective-><Map/Reduce>。然后就能看到HDFS文件系统已经所创建得一些项目。
添加Hadoop Loacation，其中Host和Port的内容跟据conf/hadoop-site.xml的配置填写，UserName 是用户名，如下图
成功添加Hadoop Loacation后还可能出现如下错误：
解决办法：
这时候，需要对namenode进行格式化：bin/hadoop namenode -format
执行命令：bin/start-all.sh
如果test下面的文件夹显示(1)而不是(2)也是正常的，如果要显示(2)，运行《安装并运行hadoop》一文中最后的那几个命令。
在配置完后，在Project Explorer中就可以浏览到DFS中的文件，一级级展开，可以看到之前我们上传的in文件夹，以及当是存放的2个txt文件，同时看到一个在计算完后的out文件夹。
现在我们要准备自己写个Hadoop 程序了，所以我们要把这个out文件夹删除，有两种方式，一是可以在这树上，执行右健删除。 二是可以用命令行：
$ bin/hadoop fs -rmr out
用$bin/hadoop fs -ls 查看
2、编写HelloWorld
环境搭建好了，之前运行Hadoop时，直接用了examples中的示例程序跑了下，现在可以自己来写这个HelloWorld了。在eclipse菜单下 new Project 可以看到，里面增加了Map/Reduce选项：
选中，点下一步：
输入项目名称后，继续(next), 再点Finish
然后在Project Explorer中就可以看到该项目了，展开，src发现里面啥也没有，于是右健菜单，新建类（new->new class)：
然后点击Finish，就可以看到创建了一个java类了：
然后在这个类中填入下面代码：
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);
}
填入代码后，会看到一些错误，没关系，点击边上的红叉，然后选择里面的import即可：
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;
这里，如果直接用源码来操作，可能会GenericOptionsParser这个类找不到定义，还是红叉，添加commons-cli-1.2.jar这个jar包，在build/ivy/lib/Hadoop/Common下，右健Project Explorer中的MyHelloWorld工程，选择Build Path->Config Build Path
在Liberaries Tab页下，点击Add External JARs 在弹出窗口中，跟据前面说的目录，找到这个jar包，点确定后，回到工程，可以看到红叉消失，说明编译都通过了。
在确保整个工程没有错误后，点击上面的小绿箭头，然后在弹出的小窗口上，选择Run On Hadoop:
点OK后，会弹出小窗口：
然手中选择Choose an existing server from the list below。然后找到之前配置的地址项，选中后，点Finish，然后系统不会Run起来，在控制台（双击可最大化）中可以看到运行结果：
运行完后，可以看到多了一个out文件夹，双击打开out文件可以看到单词的统计结果来
3、可能出现的问题:
问题1：
运行后，如果Console里只输出Usage ：wordcount<in> <out>，
则需要修改下参数，在运行菜单边上小箭头，下拉，点击Run Configuration，：
左边选中 JavaApplication中的 WordCount，右边，在Arguments中输入 in out。然后再点Run 就可以看到结果了。
左边选中 JavaApplication中的 WordCount，右边，在Arguments中输入 in out。然后再点Run 就可以看到结果了。
问题2：
第二次运行会报错，仔细看提示，可以看到报错的是out目录已经存在，所以需要手动来删除一下。
更进一步
上面我们写了一个MapReduce的HelloWorld程序，现在，我们就也学一学HDFS程序的编写。HDFS是什么，它是一个分布式文件存储系统。一般常用操作有哪些？ 当然我们可以从编程角度来：创建、读、写一个文件，列出文件夹中的文件及文件夹列表，删除文件夹，删除目录，移动文件或文件夹，重命名文件或文件夹。
启动eclipse，新建Hadoop项目，名称MyHDFSTest，新建类HDFSTest，点击确定，然后同样工程属性Configure BuildPath中把 build/ivy/lib/Hadoop下的所有jar包都引用进来(不详细说明了，可参考上面的步骤)
在类中，添加main函数：
public static void main(String[] args) {
}
或者也可以在添加类时，勾选上创建main，则会自动添加上。
在mian函数中添加以下内容：
try {
Configuration conf = new Configuration();
conf.set("fs.default.name", "hdfs://localhost:9000");
FileSystem hdfs = FileSystem.get(conf);
Path path = new Path("in/test3.txt");
FSDataOutputStream outputStream = hdfs.create(path);
byte[] buffer = "Hello".getBytes();
outputStream.write(buffer, 0, buffer.length);
outputStream.flush();
outputStream.close();
System.out.println("Create OK");
} catch (IOException e) {
e.printStackTrace();
}
直接添加进来会报错，然后需要添加一些引用才行：
import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataOutputStream; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path;
在没有错误后，点击工具条上的运行， 但这次跟前次不一样，选择Run as Java Application。然后，就可以在输出框中看到Create OK的字样了，表明程序运行成功。
这段代码的意思是在in文件夹下，创建test3.txt，里面的内容是”Hello”。 在运行完后，我们可以到eclipse的Project Explorer中查看是否有这文件以及内容。同样也可以用命令行查看$bin/hadoop fs -ls in。
ok，第一个操作HDFS的程序跑起来了，那其它功能只要套上相应的处理类就可以了。为了方便查找操作，我们列举了张表：
| 操作说明 | 操作本地文件 | 操作DFS文件 |
| 主要命名空间 | java.io.File
java.io.FileInputStream java.io.FileOutputStream |
org.apache.hadoop.conf.Configuration
org.apache.hadoop.fs.FileSystem org.apache.hadoop.fs.Path org.apache.hadoop.fs.FSDataInputStream; org.apache.hadoop.fs.FSDataOutputStream |
| 初使化对象 | new File(路径); | Configuration
FileSystem hdfs |
| 创建文件 | File.createNewFile(); | FSDataOutputStream = hdfs.create(path)
FSDataOutputStream.write( buffer, 0, buffer.length); |
| 创建文件夹 | File.mkdir() | hdfs.mkdirs(Path); |
| 读文件 | new FileInputStream();
FileInputStream.read(buffer) |
FSDataInputStream = hdfs.open(path);
FSDataInputStream.read(buffer); |
| 写文件 | FileOutputStream.write(
buffer, 0, buffer.length); |
FSDataOutputStream = hdfs.append(path)
FSDataOutputStream.write( buffer, 0, buffer.length); |
| 删除文件(夹) | File.delete() | FileSystem.delete(Path) |
| 列出文件夹内容 | File.list(); | FileSystem.listStatus() |
| 重命令文件(夹) | File.renameTo(File) | FileSystem.rename(Path, Path) |
有了这张表，以后在需要的时候就可以方便查询了。
