基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

Hadoop的編程可以是在Linux環(huán)境或Winows環(huán)境中，在此以Windows環(huán)境為示例，以Eclipse工具為主（也可以用IDEA）。網(wǎng)上也有很多開發(fā)的文章，在此也參考他們的內(nèi)容只作簡單的介紹和要點總結(jié)。

成都網(wǎng)站設(shè)計、成都做網(wǎng)站的開發(fā)，更需要了解用戶，從用戶角度來建設(shè)網(wǎng)站，獲得較好的用戶體驗。創(chuàng)新互聯(lián)公司多年互聯(lián)網(wǎng)經(jīng)驗，見的多，溝通容易、能幫助客戶提出的運營建議。作為成都一家網(wǎng)絡(luò)公司，打造的就是網(wǎng)站建設(shè)產(chǎn)品直銷的概念。選擇創(chuàng)新互聯(lián)公司，不只是建站，我們把建站作為產(chǎn)品，不斷的更新、完善，讓每位來訪用戶感受到浩方產(chǎn)品的價值服務(wù)。

Hadoop是一個強大的并行框架，它允許任務(wù)在其分布式集群上并行處理。但是編寫、調(diào)試Hadoop程序都有很大難度。正因為如此，Hadoop的開發(fā)者開發(fā)出了Hadoop Eclipse插件，它在Hadoop的開發(fā)環(huán)境中嵌入了Eclipse，從而實現(xiàn)了開發(fā)環(huán)境的圖形化，降低了編程難度。在安裝插件，配置Hadoop的相關(guān)信息之后，如果用戶創(chuàng)建Hadoop程序，插件會自動導入Hadoop編程接口的JAR文件，這樣用戶就可以在Eclipse的圖形化界面中編寫、調(diào)試、運行Hadoop程序（包括單機程序和分布式程序），也可以在其中查看自己程序的實時狀態(tài)、錯誤信息和運行結(jié)果，還可以查看、管理HDFS以及文件?？偟貋碚f，Hadoop Eclipse插件安裝簡單，使用方便，功能強大，尤其是在Hadoop編程方面，是Hadoop入門和Hadoop編程必不可少的工具

Hadoop工作目錄簡介

為了以后方便開發(fā)，我們按照下面把開發(fā)中用到的軟件安裝在此目錄中，JDK安裝除外，我這里把JDK安裝在D盤的直屬目錄Java安裝路徑下（安裝在Program Files下有些地方會報空隔截斷錯誤），下面是工作目錄：

    系統(tǒng)磁盤（D：）
        |---HadoopWork
            |--- eclipse
            |--- hadoop-2.7.3
            |--- workplace
            |---……

按照上面目錄把Eclipse和Hadoop解壓到"D:\HadoopWork"下面，并創(chuàng)建"workplace"作為Eclipse的工作空間。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

Eclipse插件開發(fā)配置

　　第一步：把我們的"hadoop2x-eclipse-plugin-master"放到Eclipse的目錄的"plugins"中，然后重新Eclipse即可生效。

    系統(tǒng)磁盤（D：）
        |---HadoopWork
            |--- eclipse
                |--- plugins
                    |--- hadoop2x-eclipse-plugin-master.jar

上面是我的"hadoop-eclipse-plugin"插件放置的地方。重啟Eclipse如下圖：

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

從上圖中左側(cè)"Project Explorer"下面發(fā)現(xiàn)"DFS Locations"，說明Eclipse已經(jīng)識別剛才放入的Hadoop Eclipse插件了。

　　第二步：選擇"Window"菜單下的"Preference"，然后彈出一個窗體，在窗體的左側(cè)，有一列選項，里面會多出"Hadoop Map/Reduce"選項，點擊此選項，選擇Hadoop的安裝目錄（如我的Hadoop目錄：D:\HadoopWork\hadoop-2.7.3）。結(jié)果如下圖：

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

　　第三步：切換"Map/Reduce"工作目錄，有兩種方法：

1）選擇"Window"菜單下選擇"Open Perspective"，彈出一個窗體，從中選擇"Map/Reduce"選項即可進行切換。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

2）在Eclipse軟件的右上角，點擊圖標" 基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程 "中的""，點擊"Other"選項，也可以彈出上圖，從中選擇"Map/Reduce"，然后點擊"OK"即可確定。

切換到"Map/Reduce"工作目錄下的界面如下圖所示。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

　　第四步：建立與Hadoop集群的連接，在Eclipse軟件下面的"Map/Reduce Locations"進行右擊，彈出一個選項，選擇"New Hadoop Location"，然后彈出一個窗體。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

注意上圖中的紅色標注的地方，是需要我們關(guān)注的地方。

Location Name：可以任意其，標識一個"Map/Reduce Location"
Map/Reduce Master
Host：192.168.80.32（Master.Hadoop的IP地址）
Port：9001

DFS Master
Use M/R Master host：前面的勾上。（因為我們的NameNode和JobTracker都在一個機器上。）
Port：9000

User name：hadoop (與署中的一致)

　　備注：這里面的Host、Port分別為你在mapred-site.xml、core-site.xml中配置的地址及端口。不清楚的可以參考"0基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-集群安裝"進行查看。

　　接著點擊"Advanced parameters"從中找見"hadoop.tmp.dir"，修改成為我們Hadoop集群中設(shè)置的地址，我們的Hadoop集群是"/usr/local/hadoop273/hadoop_tmp"，這個參數(shù)在"core-site.xml"進行了配置。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

點擊"finish"之后，會發(fā)現(xiàn)Eclipse軟件下面的"Map/Reduce Locations"出現(xiàn)一條信息，就是我們剛才建立的"Map/Reduce Location"。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

　　第五步：查看HDFS文件系統(tǒng)，并嘗試建立文件夾和上傳文件。點擊Eclipse軟件左側(cè)的"DFS Locations"下面的，就會展示出HDFS上的文件結(jié)構(gòu)。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

右擊">user>hadoop"可以嘗試建立一個"文件夾--index_in"，然后右擊刷新就能查看我們剛才建立的文件夾。

基礎(chǔ)搭建Hadoop大數(shù)據(jù)處理-編程

創(chuàng)建完之后，并刷新。

遠程登錄"Master.Hadoop"

hadoop fs -ls

到此為止，我們的Hadoop Eclipse開發(fā)環(huán)境已經(jīng)配置完畢，不盡興的同學可以上傳點本地文件到HDFS分布式文件上，可以互相對比意見文件是否已經(jīng)上傳成功。

Eclipse運行WordCount程序

配置Eclipse的JDK

如果電腦上不僅僅安裝的JDK8.0，那么要確定一下Eclipse的平臺的默認JDK是否8.0。從"Window"菜單下選擇"Preference"，彈出一個窗體，從窗體的左側(cè)找見"Java"，選擇"Installed JREs"，然后添加JDK8.0。下面是我的默認選擇JRE。

如果沒有的話點擊Add添加。

添加后按下圖選擇1.8的版本。

設(shè)置Eclipse的編碼為UTF-8

創(chuàng)建MapReduce項目

　　從"File"菜單，選擇"Other"，找到"Map/Reduce Project"，然后選擇它。

接著，填寫MapReduce工程的名字為"WordCountProject"，點擊"finish"完成。

目前為止我們已經(jīng)成功創(chuàng)建了MapReduce項目，我們發(fā)現(xiàn)在Eclipse軟件的左側(cè)多了我們的剛才建立的項目。

創(chuàng)建WordCount類

選擇"WordCountProject"工程，右擊彈出菜單，然后選擇"New"，接著選擇"Class"，然后填寫如下信息：

因為我們直接用Hadoop2.7.3自帶的WordCount程序，所以報名需要和代碼中的一致為"org.apache.hadoop.examples"，類名也必須一致為"WordCount"。這個代碼放在如下的結(jié)構(gòu)中。

    hadoop-2.7.3
        |---src
            |---examples
                |---org
                    |---apache
                        |---hadoop
                            |---examples

從上面目錄中找見"WordCount.java"文件，用記事本打開，然后把代碼復(fù)制到剛才建立的java文件中。

package org.apache.hadoop.examples; 
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{     
    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 {    private IntWritable result = new IntWritable(); 
    public void reduce(Text key, Iterable 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();    conf.set("mapred.job.tracker", "192.168.80.32:9001");
    String[] ars=new String[]{"input","newout"};
    String[] otherArgs = new GenericOptionsParser(conf, ars).getRemainingArgs();    if (otherArgs.length != 2) {
      System.err.println("Usage: wordcount  ");
      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);
  }
}

備注：如果不加"conf.set("mapred.job.tracker", "192.168.80.32:9001");"，將提示你的權(quán)限不夠，其實照成這樣的原因是剛才設(shè)置的"Map/Reduce Location"其中的配置不是完全起作用，而是在本地的磁盤上建立了文件，并嘗試運行，顯然是不行的。我們要讓Eclipse提交作業(yè)到Hadoop集群上，所以我們這里手動添加Job運行地址。

Bundle-ClassPath:classes/,lib/hadoop-core.jar,lib/commons-cli-1.2.jar,lib/commons-httpclient-3.0.1.jar,lib/jackson-core-asl-1.0.1.jar,lib/jackson-mapper-asl-1.0.1.jar,lib/commons-configuration-1.6.jar,lib/commons-lang-2.4.jar