日志

在eclipse中配置hadoop插件

已有 1011 次阅读2015-9-18 15:03 | 程序

1.安装插件

准备程序：

eclipse-3.3.2（这个版本的插件只能用这个版本的eclipse）
hadoop-0.20.2-eclipse-plugin.jar （在hadoop-0.20.2/contrib/eclipse-plugin目录下）

将hadoop-0.20.2-eclipse-plugin.jar 复制到eclipse/plugins目录下，重启eclipse。

2.打开MapReduce视图

Window -> Open Perspective -> Other 选择Map/Reduce，图标是个蓝色的象。

3.添加一个MapReduce环境

在eclipse下端，控制台旁边会多一个Tab，叫“Map/Reduce Locations”，在下面空白的地方点右键，选择“New Hadoop location...”，如图所示：

在弹出的对话框中填写如下内容：

Location name（取个名字）
Map/Reduce Master（Job Tracker的IP和端口，根据mapred-site.xml中配置的mapred.job.tracker来填写）
DFS Master（Name Node的IP和端口，根据core-site.xml中配置的fs.default.name来填写）

4.使用eclipse对HDFS内容进行修改

经过上一步骤，左侧“Project Explorer”中应该会出现配置好的HDFS，点击右键，可以进行新建文件夹、删除文件夹、上传文件、下载文件、删除文件等操作。

注意：每一次操作完在eclipse中不能马上显示变化，必须得刷新一下。

5.创建MapReduce工程5.1配置Hadoop路径

Window -> Preferences 选择 “Hadoop Map/Reduce”，点击“Browse...”选择Hadoop文件夹的路径。
这个步骤与运行环境无关，只是在新建工程的时候能将hadoop根目录和lib目录下的所有jar包自动导入。

5.2创建工程

File -> New -> Project 选择“Map/Reduce Project”，然后输入项目名称，创建项目。插件会自动把hadoop根目录和lib目录下的所有jar包导入。

5.3创建Mapper或者Reducer

File -> New -> Mapper 创建Mapper，自动继承mapred包里面的MapReduceBase并实现Mapper接口。
注意：这个插件自动继承的是mapred包里旧版的类和接口，新版的Mapper得自己写。

Reducer同理。

6.在eclipse中运行WordCount程序6.1导入WordCount

[java] view plain copy

1 import java.io.IOException;
2 import java.util.StringTokenizer;
3
4 import org.apache.hadoop.conf.Configuration;
5 import org.apache.hadoop.fs.Path;
6 import org.apache.hadoop.io.IntWritable;
7 import org.apache.hadoop.io.LongWritable;
8 import org.apache.hadoop.io.Text;
9 import org.apache.hadoop.mapreduce.Job;
10 import org.apache.hadoop.mapreduce.Mapper;
11 import org.apache.hadoop.mapreduce.Reducer;
12 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
13 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
14
15 public class WordCount {
16 public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
17
18 private final static IntWritable one = new IntWritable(1);
19 private Text word = new Text();
20
21 public void map(LongWritable key, Text value, Context context)
22 throws IOException, InterruptedException {
23 StringTokenizer itr = new StringTokenizer(value.toString());
24 while (itr.hasMoreTokens()) {
25 word.set(itr.nextToken());
26 context.write(word, one);
27 }
28 }
29 }
30
31 public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
32 private IntWritable result = new IntWritable();
33
34 public void reduce(Text key, Iterable<IntWritable> values, Context context)
35 throws IOException, InterruptedException {
36 int sum = 0;
37 for (IntWritable val : values) {
38 sum += val.get();
39 }
40 result.set(sum);
41 context.write(key, result);
42 }
43 }
44
45 public static void main(String[] args) throws Exception {
46 Configuration conf = new Configuration();
47 if (args.length != 2) {
48 System.err.println("Usage: wordcount ");
49 System.exit(2);
50 }
51
52 Job job = new Job(conf, "word count");
53 job.setJarByClass(WordCount.class);
54 job.setMapperClass(TokenizerMapper.class);
55 job.setReducerClass(IntSumReducer.class);
56 job.setMapOutputKeyClass(Text.class);
57 job.setMapOutputValueClass(IntWritable.class);
58 job.setOutputKeyClass(Text.class);
59 job.setOutputValueClass(IntWritable.class);
60
61 FileInputFormat.addInputPath(job, new Path(args[0]));
62 FileOutputFormat.setOutputPath(job, new Path(args[1]));
63
64 System.exit(job.waitForCompletion(true) ? 0 : 1);
65
66 }
67
68 }