Eclipse连接Hadoop集群并运行wordCount全过程记录

原创
2017/02/28 21:07
阅读数 313

为了自己以后方便会看记录一下整个过程,Hadoop集群之前已经搭建好,这部分工作以后再补写。

环境:win10     Eclipse4.4.2     JDK1.7     Hadoop2.7.1     

相关安装文件可在文末的链接下载

1.加载eclipse插件

(1)下载hadoop-eclipse-plugin插件,此处下载了hadoop-eclipse-plugin-2.7.1。将hadoop-eclipse-plugin-2.7.1.jar拷贝到 eclipse的plugins目录。重启eclipse。

(2)下载Hadoop,解压到自己想要的路径,如D:\Java\hadoop-2.7.1

(3)打开 window-->preferences ,配置Hadoop MapReduce的安装路径,即(2)中的路径,如下图示

配置HADOOP_HOME环境变量,指向D:\Java\hadoop-2.7.1路径

2.配置MapReduce

(4)打开MapReduce视图。Window-->Show View-->Other 窗口,选择 MapReducer Locations,视图如下图所示

(5)点击蓝色小象新增按钮,提示输入MapReduce和HDFS Master相关信息

(6)配置完成后左侧project Explorer中会出现DFS Location

该目录为HDFS目录,可以右击向HDFS传文件。

在user文件中建立input output两个文件夹,并往input文件夹中上传wordCountInput.txt 内容为 

c++ java hello 
world java hello 
you me too

若出现权限问题考虑是否对文件有写的权限,实在不行文件权限改为777。可以ssh连接到hadoop的master服务器  hadoop fs -ls /user 查看目录  hadoop fs -cat /user/aa.txt查看文件

3.创建MapReduce Project 

(7)file->new->other 选择Map/Reduce Project 命名为MyHadoop

(8)在项目中建包,并建一个类名为WordCount.java的类。具体源码如下,来自于官方WordCount源码

//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 {

	/*
	 * 通过扩展Mapper实现内部类TokenizerMapper
	 */
	public static class TokenizerMapper extends
			Mapper<Object, Text, Text, IntWritable> {

		private final static IntWritable one = new IntWritable(1);
		private Text word = new Text();

		/*
		 * 重载map方法(non-Javadoc)
		 * 
		 * @see org.apache.hadoop.mapreduce.Mapper#map(KEYIN, VALUEIN,
		 * org.apache.hadoop.mapreduce.Mapper.Context)
		 */
		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);// 写入处理的中间结果<key,value>
			}
		}
	}

	/*
	 * 通过扩展Reducer实现内部类IntSumReducer
	 */
	public static class IntSumReducer extends
			Reducer<Text, IntWritable, Text, IntWritable> {
		private IntWritable result = new IntWritable();

		/*
		 * 重载reduce方法(non-Javadoc)
		 * 
		 * @see org.apache.hadoop.mapreduce.Reducer#reduce(KEYIN,
		 * java.lang.Iterable, org.apache.hadoop.mapreduce.Reducer.Context)
		 */
		public void reduce(Text key, Iterable<IntWritable> values,
				Context context) throws IOException, InterruptedException {
			int sum = 0;
			for (IntWritable val : values) {
				sum += val.get(); // 计数
			}
			result.set(sum);
			context.write(key, result); // 写回结果
		}
	}

	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration(); // 启用默认配置
		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");// 定义一个job
		job.setJarByClass(WordCount.class);// 设定执行类
		job.setMapperClass(TokenizerMapper.class);// 设定Mapper实现类
		job.setCombinerClass(IntSumReducer.class);// 设定Combiner实现类
		job.setReducerClass(IntSumReducer.class);// 设定Reducer实现类
		job.setOutputKeyClass(Text.class);// 设定OutputKey实现类,Text.class是默认实现
		job.setOutputValueClass(IntWritable.class);// 设定OutputValue实现类
		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));// 设定job输入文件夹
		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));// 设定job输出文件夹
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}
}

(9)加载hadoop运行参数。即加载输入输出文件,右键->run as->run configuration 设置Arguments

,点击Apply并退出。右击 run as ->Run on Hadoop。

(10)错误及解决方法

可能会出现 log4j:WARN No appenders could be found for logger错误:

解决方法:

在src下面新建file名为log4j.properties内容如下:
# Configure logging for testing: optionally with log file
log4j.rootLogger=WARN, stdout
# log4j.rootLogger=WARN, stdout, logfile

log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n

log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

windows可能会出现 hadoop2.7.1运行Wordcount错误
at java.lang.ProcessBuilder.start(ProcessBuilder.java:1012)

 Exception in thread "main" Java.lang.UnsatisfiedLinkError

解决方法:

    1:将Wordcount.jar文件解压到hadoop的bin目录下,文件可在文末的链接下载
    2:将hadoop.dll复制到C:\Window\System32下
    3:添加环境变量HADOOP_HOME,指向Hadoop目录

    4:将%HADOOP_HOME%\bin加入到path里面

    5:重启myeclipse或者eclipse

(11)运行正常之后会在刚刚传入的Hadoop输出文件中输出

 part-r-00000为结果

(12)用到的文件 http://pan.baidu.com/s/1pLk7UQ3

(13)最后感谢千面人对我的帮助,https://my.oschina.net/amhuman/blog/845826 这篇博文对读者帮助很大,欢迎大家阅读。

展开阅读全文
打赏
2
2 收藏
分享
加载中
更多评论
打赏
0 评论
2 收藏
2
分享
返回顶部
顶部