在eclipse中配置hadoop插件

1. 安裝插件

 

準 備 程序：

eclipse-4.2
hadoop-0.20.2-eclipse-plugin.jar （http://wiki.apache.org/hadoop/EclipsePlugIn ）

將hadoop-0.20.2-eclipse-plugin.jar 複製到eclipse/dropins 目 錄 下，重啓eclipse 。

 

2.打開MapReduce視圖

Window -> Open Perspective -> Other 選擇Map/Reduce，圖標是個藍色的象。

 

3.添加一個MapReduce環境

在eclipse下端，控制檯旁邊會多一個Tab，叫“Map/Reduce Locations”，在下面空白的地方點右鍵，選擇“New Hadoop location...”，如圖所示：

在彈出的對話框中填寫如下內容：

Location name （取個名字）
Map/Reduce Master （Job Tracker的IP和端口，根據mapred-site.xml中配置的mapred.job.tracker來填寫）
DFS Master （Name Node的IP和端口，根據core-site.xml中配置的fs.default.name來填寫）

 

4.使用eclipse對HDFS內容進行修改

經過上一步驟，左側“Project Explorer”中應該會出現配置好的HDFS，點擊右鍵，可以進行新建文件夾、刪除文件夾、上傳文件、下載文件、刪除文件等操作。

注意：每一次操作完在eclipse中不能馬上顯示變化，必須得刷新一下。 

 

5.創建MapReduce工程

5.1配置Hadoop路徑

Window -> Preferences 選擇 “Hadoop Map/Reduce”，點擊“Browse...”選擇Hadoop文件夾的路徑。
這個步驟與運行環境無關，只是在新建工程的時候能將hadoop根目錄和lib目錄下的所有jar包自動導入。

5.2創建工程

File -> New -> Project 選擇“Map/Reduce Project”，然後輸入項目名稱，創建項目。插件會自動把hadoop根目錄和lib目錄下的所有jar包導入。

5.3創建Mapper或者Reducer

File -> New -> Mapper 創建Mapper，自動繼承mapred包裏面的MapReduceBase並實現Mapper接口。
注意：這個插件自動繼承的是mapred包裏舊版的類和接口，新版的Mapper得自己寫。

Reducer同理。

 

6.在eclipse中運行WordCount程序

6.1導入WordCount

 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.LongWritable;
 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;
 
 public class WordCount {
     public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
 
         private final static IntWritable one = new IntWritable(1);
         private Text word = new Text();
 
         public void map(LongWritable 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();
         if (args.length != 2) {
             System.err.println("Usage: wordcount  ");
             System.exit(2);
         }
 
         Job job = new Job(conf, "word count");
         job.setJarByClass(WordCount.class);
         job.setMapperClass(TokenizerMapper.class);
         job.setReducerClass(IntSumReducer.class);
         job.setMapOutputKeyClass(Text.class);
         job.setMapOutputValueClass(IntWritable.class);
         job.setOutputKeyClass(Text.class);
         job.setOutputValueClass(IntWritable.class);
 
         FileInputFormat.addInputPath(job, new Path(args[0]));
         FileOutputFormat.setOutputPath(job, new Path(args[1]));
 
         System.exit(job.waitForCompletion(true) ? 0 : 1);
 
     }
 
 }

 

6.2配置運行參數

Run As -> Open Run Dialog... 選擇WordCount程序，在Arguments中配置運行參數：/mapreduce/wordcount/input /mapreduce/wordcount/output/1

分別表示HDFS下的輸入目錄和輸出目錄，其中輸入目錄中有幾個文本文件，輸出目錄必須不存在。

6.3運行

Run As -> Run on Hadoop 選擇之前配置好的MapReduce運行環境，點擊“Finish”運行。

控制檯會輸出相關的運行信息。

6.4查看運行結果

在輸出目錄/mapreduce/wordcount/output/1中，可以看見WordCount程序的輸出文件。除此之外，還可以看見一個logs文件夾，裏面會有運行的日誌。