文章目录
- 配置环境
- 环境准备
- 连接 Hadoop
- 查看 hadoop 文件
- 导入 Hadoop 包
- 创建 MapReduce 项目
- 测试 Mapreduce 编程代码
- 注意事项
- 常见报错
配置环境
环境准备
本次实验使用的 Hadoop 为 2.7.7 版本，实验可能会用到的文件
百度网盘链接：https://pan.baidu.com/s/1HZPOpg5MAiWXaN9DIcIUGg 提取码：gahr
迅雷云盘链接：https://pan.xunlei.com/s/VNkp2rp8az9m70YWCe5ifxm3A1?pwd=ggeq#
1）下载hadoop-eclipse-plugin-2.7.3.jar包
2）将jar包把放置到eclipse文件的plugins目录下
3）将hadoop解压到E盘
配置环境变量：添加用户变量HADOOP_HOME，值为E:\hadoop-2.7.7
Path新建%HADOOP_HOME%\bin、%HADOOP_HOME%\sbin
连接 Hadoop
1）打开 Eclipse ➡ Window ➡ Perspective ➡ Open Perspective ➡ other，
2）Map/Reduce ➡ Open，
3）进入界面后选择 Map/Reduce Locations，点击蓝色图标配置连接。
4）配置 hadoop 集群连接位置
Location name：myhadoop（随便填）
Host：192.168.88.102（填虚拟机IP地址）
Port：9000（填之前 Hadoop 中 core-site.xml 配置文件中，fs.defaultFS 对应的端口号）
查看 hadoop 文件
打开 myhadoop 查看文件内容，测试完全正确。
导入 Hadoop 包
选择：Window ➡ Perferencces ➡ Hadoop Map/Reduce ➡ Browse
选择所对应的 hadoop 安装包目录
创建 MapReduce 项目
1）创建 Project，File ➡ New ➡ Project
2）创建 MapReduce 项目
3）填写项目名 Wordcnt
4）打开引入的库可以看到 hadoop 的 jar 包已经导入，如图所示，不过我们此次要测试的 WordCount 类在测试包里面，我们现在需要先导入 hadoop 里自带的 examples 测试包。
5）构建路径配置步骤：Reference Libraries ➡ Build Path ➡ Configure Build Path
6）导入 jar 包：Java Build Path ➡ Add External JARs ➡ examples.jar ➡ Apply and Close 如图所示：
7）创建类
测试 Mapreduce 编程代码
1）Java 测试代码如下：
package org.apache.hadoop.examples;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.examples.WordCount.*;
import org.apache.hadoop.fs.FileSystem;
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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;
public class Wordcnt {
public Wordcnt() {
}
public static void main(String[] args) throws Exception {
// 使用 hadoop 的用户
System.setProperty("HADOOP_USER_NAME", "user");
Configuration conf = new Configuration();
String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
if (otherArgs.length < 2) {
System.err.println("Usage: wordcount <in> [<in>...] <out>");
System.exit(2);
}
// 每次运行前检查输出路径是否存在，存在就删除
FileSystem fs = FileSystem.get(conf);
Path outPath = new Path(otherArgs[1]);
if(fs.exists(outPath)) {
fs.delete(outPath, true);
}
// 启用跨平台，将应用程序从Windows客户端提交到Linux / Unix服务器
conf.set("mapreduce.app-submission.cross-platform","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);
for(int i = 0; i < otherArgs.length - 1; ++i) {
FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
}
FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}
2）将 core-site.xml、hdfs-site.xml、log4.properties 三个文件下载放到 src 目录下
3）右击 java 文件 ➡ Run As ➡ Run Configurations
4）创建一个Java Application（双击就可以了） ➡ Arguments ➡ 第一个路径为 hadoop 上测试文件路径，第二个为输出文件路径（第二个路径用 jar 包中是不可以存在的，测试代码以更改可以存在）
5）查看运行提示信息与结果，与 Linux 中结果一致
注意事项
1）这里的 user 需要改成自己所用的用户名
// 使用 hadoop 的用户
System.setProperty("HADOOP_USER_NAME", "user");
2）同系统中不需要这行代码（这里加上是因为我的 Hadoop 是部署在 Linux 系统上，代码是在 Windows 系统上运行的）
// 启用跨平台，将应用程序从Windows客户端提交到Linux / Unix服务器
conf.set("mapreduce.app-submission.cross-platform","true");
这个参数在 mapred-default.xml 文件里写到如果启用，用户可以跨平台提交应用程序，即从 Windows 客户端提交应用程序到 Linux/Unix 服务器，反之亦然。默认情况下是关闭的。
请注意，由于在 Windows 上使用 Eclipse 编写 MapReduce 程序，但实际运行是在 Linux 虚拟机上的 Hadoop 集群，所以需要 确保主机名和 IP 地址的映射 在虚拟机和 Windows 主机的 hosts 文件中都是正确的。
常见报错
1）报错内容如下：
Could not locate executable winutils.exe in the Hadoop binaries
这是因为 Hadoop 都是运行在 Linux 系统下的，在 Windows 下 Eclipse 中运行 Mapreduce 程序需要支持插件
下载 hadoop-common-2.2.0-bin-master 把其中的 winutils.exe 和 hadoop.dll 放到 windows 安装的 hadoop 的 bin 目录下，或者直接放到 C:\Windows\System32 目录下就可以了（版本最好对应）
2）报错内容如下：
INFO mapreduce.JobSubmitter: Cleaning up the staging area /tmp/hadoop-yarn/staging/root/.staging/job_1510302622448_0003
出错原因：单机读取的是本地的文件，分布式环境下需要从hdfs 上读取文件。
解决方案：将本地的文件上传到 hdfs 上，然后再运行可以成功执行。
报错内容：
Output directory xxx already exists
出错原因：输出目录已存在
解决方案：修改输出目录，输出目录需要为空目录，所以在后面随便加上一个目录名，则会在 /output 目录下创建目录，如果是多次计算每次都需要指定不同的目录用于存储结果。
Hadoop文件系统命令参考：FileSystem Shell
下面给出几个常用命令
# 1 新建文件夹
hadoop dfs -mkdir [-p] <paths>
# 2 上传本地文件
hadoop fs -put localfile /hadoopdir
# 3 查看 hadoop 文件
hadoop fs -ls /hadoopfile
hadoop fs -ls -e /hadoopdir
# 4 修改文件夹权限
hadoop fs -chown [-R] [OWNER][:[GROUP]] URI [URI ]
# 5 删除文件夹
hadoop fs -rm -r /hadoopdir
