8 Eclipse下搭建Hadoop2.7.2开发环境

8.1下载并安装Eclipse

因为之前发现安装最新版本的Eclipse后，在Ubuntu中无法正常使用Eclipse的相关菜单选项，所以这里下载的是一个比较旧的SR2版本的Eclipse其下载地址为：http://mirror.rise.ph/eclipse/technology/epp/downloads/release/juno/SR2/eclipse-jee-juno-SR2-linux-gtk.tar.gz

下载完成之后，将压缩包解压到你需要的地方，例如这里解压到了/home/hadoop/HadoopRoot文件夹下。如图8.1-1所示。

图8.1-1 解压Eclipse

下载hadoop-eclipse-plugin-2.7.0.jar（见http://pan.baidu.com/s/1mh62fVy ），将此文件放到Eclipse目录下的plugin目录中，如图8.1-2所示。

图8.1-2 安装插件

进入到Eclipse目录中，双击eclipse文件运行Eclipse IDE，如图8.1-3所示。

图8.1-3 运行Eclipse

进入Eclipse后，点击菜单WindowàPreference，如图8.1-4所示。

图8.1-4 Preference设置

如图8.1-5所示，设置hadoop的安装目录。

图8.1-5 设置hadoop安装目录

8.2创建Map/Reduce工程

在Eclipse中新建一个工程，并选中Map /Reduce Project，如图8.2-1所示。

图8.2-1创建Map/Reduce工程

新建一个WordCount.java文件，并输入如下的代码。

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;
 
public class WordCount {
 
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);
}
}

如图8.2-2所示，为创建的代码。

图8.2-2 创建WordCount代码

在工作空间的下方找到Map/Reduce Locations选项卡，点击这个选项卡，然后在空白部分右键，然后在弹出的菜单中选中“New Hadoop Location“，如图8.2-3所示。

图8.2-3 新建Hadoop Location

在弹出的配置页面中配置一下名称并修改一下DFS端口(这个端口应该与core-site.xml中的端口一致)，如图8.2-4所示，这里的端口应该是9000。

图8.2-4 修改DFS端口

配置后，如果配置正确，在左侧的TestLocation中可以看到DFS中的文件信息，如图8.2-5所示，可以看到之前用命令行创建的input和output文件夹。

图8.2-5 DFS信息

如图8.2-6所示，点击Run Configurations，修改一下运行配置。

图8.2-6 工程运行配置

如图8.2-7所示，在Java Application中新建一个配置并将配置名称修改为WordCount，并在Arguments中输入参数：hdfs://localhost:9000/user/hadoop/input hdfs://localhost:9000/user/hadoop/outputtest ，这两个参数实际上就是main函数执行时的输入参数，这里用于输入输出。