在ubuntu系統下開發hadoop程序時，遇到幾個問題，小結如下。
問題：內存不足，報錯：There is insufficient memory for the Java Runtime Environment to continue
解決方法如下：
1、使用進程查看命令：ps -e | grep java。
然後刪除過多的java進程，釋放出內存資源。這種方法治標。
打開系統的限制文件：vi /etc/security/limits.conf，在文件最後添加：* - nofile 278528 保存（已經設置得夠大了）
使用命令查看open files數值：vim /etc/security/limits.conf,看到open files.（這個方法沒試成功，修改後查看open files 還是1024，也許需要重啓系統。）
詳見參考文章1.
還有說是因爲java設置的最大可用內存，不夠maven使用，所以出現警告（這種解釋最靠譜）。
對應的解決辦法是，設置/etc/profile文件中maven的opts:export MAVEN_OPTS="-Xms256m -Xmx512m"
2、測試mapreduce程序時，設置input，output文件位置如下代碼。
3、輸出文件output不能存在，程序自動刪除output文件代碼如下。
public static void main(String[] args) throws Exception {
Configuration conf = new Configuration();
// String[] otherArgs = new GenericOptionsParser(conf,
// args).getRemainingArgs();
String[] otherArgs = new String[] { "input", "output" }; /* 直接設置輸入參數 */
if (otherArgs.length != 2) {
System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
}
/* 刪除輸出目錄 */
Path outputPath = new Path(otherArgs[1]);
outputPath.getFileSystem(conf).delete(outputPath, true);
Job job = Job.getInstance(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])); //輸出在本地
// FileOutputFormat.setOutputPath(job, new Path("output06")); //輸出爲HDFS？
System.exit(job.waitForCompletion(true) ? 0 : 1);
}4、運行程序，能夠在本工程目錄下，看到output文件夾。
文件夾下的文件即是程序運行後的結果，如下圖。
5、運行通過後，即可將程序打成jar包。
將打包後的jar放在某個位置,假設名字爲×××.jar。
調用./bin/hadoop jar ×××.jar WordCount input(HDFS input文件的位置) output（HDFS輸出文件的位置）
運行即可的到結果。
6、用hadoop eclipse插件刷新後，查看運行結果。
也可以將結果文件通過hadoop文件下載到本地查看，或保存。
補充說明：
我的程序在本地運行很好。
可始終在hadoop eclipse插件上，看不到hdfs上文件的更新。
如何能使用hadoop eclipse插件，調試、運行源程序，同事在插件上查看到結果，後一篇文章再解決。
參考文章
1、http://www.linuxidc.com/Linux/2013-07/86954.htm
2、http://hadoop.apache.org/docs/current/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html（hadoop官方說明）
