Ubuntu 14.10 下Eclipse安装Hadoop插件

浏览数：24 / 时间：2015年06月20日

准备环境

　　1 安装好了Hadoop，之前安装了Hadoop 2.5.0，安装参考http://www.cnblogs.com/liuchangchun/p/4097286.html

　　2 安装Eclipse，这个直接在其官网下载即可

安装步骤

　　1 下载Eclipse插件，我找的是Hadoop 2.2 的插件，在Hadoop 2.5 下可以正常用，获取插件这里有两种方式

　　　　1.1 一是自己下载源码自己编译，过程如下

　　　　首先，下载eclipse-hadoop的插件，网址是https://github.com/winghc/hadoop2x-eclipse-plugin，你可以点击网页右下方的Download ZIP下载。下载之后，解压缩，。

　　　　然后，进入到 hadoop2x-eclipse-plugin-master/src/contrib/eclipse-plugin文件夹里面，执行命令

　　　　ant jar -Declipse.home=/usr/local/eclipse -Dhadoop.home=~/Downloads/hadoop-2.2.0 -Dversion=2.5.0

　　　　编译顺利通过，生成的插件在hadoop2x-eclipse-plugin-master/build/contrib/eclipse-plugin目录下。

　　　　1.2 或是直接下载编译好的插件，下载地址http://pan.baidu.com/s/1mgiHFok

　　2 将下载好的插件复制到eclipse/plugins目录下，需要重启Eclipse

　　3 配置Hadoop installation directory

　　　　3.1 如果插件安装成功，打开Windows—Preferences后，在窗口左侧会有Hadoop Map/Reduce选项，点击此选项，在窗口右侧设置Hadoop安装路径。

　　　　3.2 配置Map/Reduce Locations：打开Windows—Open Perspective—Other 选择Map/Reduce，点击OK

　　　　3.3 点击Map/Reduce Location选项卡，点击右边小象图标，打开Hadoop Location配置窗口：输入Location Name，任意名称即可.配置Map/Reduce Master和DFS Mastrer，Host和Port配置成与core-　　　　site.xml的设置一致即可。如果没有自己修改端口，那么一个是9001，一个是9000

　　　　3.4 点击左侧的DFSLocations—>Location Name（上一步配置的location name)，如能看到Hadoop下的文件，那么表示安装成功。

　　4 测试MapReduce。Eclipse中，File—>Project，选择Map/Reduce Project，输入项目名称WordCount等。然后新建一个类，代码拷贝下

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);
    }
}