ITKeyword,专注技术干货聚合推荐

注册 | 登录

在eclipse中配置hadoop插件

qiaochao911 分享于 2013-04-17

推荐:Eclipse下配置Hadoop插件

前提,请先配置好Hadoop集群,并启动Hadoop守护进程。 集群搭建参见:http://blog.csdn.net/matraxa/article/details/7179366 我使用的软件版本如下: Ubuntu:

2019阿里云全部产品优惠券(新购或升级都可以使用,强烈推荐)
领取地址https://promotion.aliyun.com/ntms/yunparter/invite.html

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。

推荐:hadoop eclipse plugin 插件

使用apache 官方下载的hadoop 安装包后 在windows上使用eclipse连接hadoop时报错 org/codehaus/jackson/map/jsonmappingexception 经过查询,是由于hadoop的eclip

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

WordCount
 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 }

6.2配置运行参数

Run As -> Open Run Dialog... 选择WordCount程序,在Arguments中配置运行参数:/mapreduce/wordcount/input /mapreduce/wordcount/output/1

分别表示HDFS下的输入目录和输出目录,其中输入目录中有几个文本文件,输出目录必须不存在。

6.3运行

Run As -> Run on Hadoop 选择之前配置好的MapReduce运行环境,点击“Finish”运行。

控制台会输出相关的运行信息。

6.4查看运行结果

在输出目录/mapreduce/wordcount/output/1中,可以看见WordCount程序的输出文件。除此之外,还可以看见一个logs文件夹,里面会有运行的日志。

推荐:在eclipse中配置好hadoop的插件后使用DFS遇到的问题

注意:MR Master和DFS Master配置必须和mapred-site.xml和core-site.xml等配置文件一致 打开Project Explorer,查看HDFS文件系统。 点击红色圈圈,会弹出对话框Op

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-ecli

相关阅读排行


用户评论

游客

相关内容推荐

最新文章

×

×

请激活账号

为了能正常使用评论、编辑功能及以后陆续为用户提供的其他产品,请激活账号。

您的注册邮箱: 修改

重新发送激活邮件 进入我的邮箱

如果您没有收到激活邮件,请注意检查垃圾箱。