共计 3874 个字符，预计需要花费 10 分钟才能阅读完成。
一、安装 Eclipse
下载 Eclipse，解压安装，例如安装到 /usr/local，即 /usr/local/eclipse
4.3.1 版本下载地址：http://pan.baidu.com/s/1gd29RPp
二、在 eclipse 上安装 Hadoop 插件
1、下载 hadoop 插件
下载地址：http://pan.baidu.com/s/1gd29RPp
此 zip 文件包含了源码，我们使用使用编译好的 jar 即可，解压后，release 文件夹中的 hadoop.eclipse-kepler-plugin-2.2.0.jar 就是编译好的插件。
2、把插件放到 eclipse/plugins 目录下
3、重启 eclipse，配置 Hadoop installation directory
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。
4、配置 Map/Reduce Locations
打开 Windows—Open Perspective—Other
选择 Map/Reduce，点击 OK
在右下方看到如下图所示
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。
点击 ”Finish” 按钮，关闭窗口。
点击左侧的 DFSLocations—>myhadoop（上一步配置的 location name)，如能看到 user，表示安装成功
如果如下图所示表示安装失败，请检查 Hadoop 是否启动，以及 eclipse 配置是否正确。
三、新建 WordCount 项目
File—>Project，选择 Map/Reduce Project，输入项目名称 WordCount 等。
在 WordCount 项目里新建 class，名称为 WordCount，代码如下：
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);
}
}
四、运行
1、在 HDFS 上创建目录 input
hadoop fs -mkdir input
2、拷贝本地 README.txt 到 HDFS 的 input 里
hadoop fs -copyFromLocal /usr/local/hadoop/README.txt input
3、点击 WordCount.java，右键，点击 Run As—>Run Configurations，配置运行参数，即输入和输出文件夹
hdfs://localhost:9000/user/hadoop/input hdfs://localhost:9000/user/hadoop/output
点击 Run 按钮，运行程序。
4、运行完成后，查看运行结果
方法 1：
hadoop fs -ls output
可以看到有两个输出结果，_SUCCESS 和 part-r-00000
执行 hadoop fs -cat output/*
方法 2:
展开 DFS Locations，如下图所示，双击打开 part-r00000 查看结果
CentOS 安装和配置 Hadoop2.2.0 http://www.linuxidc.com/Linux/2014-01/94685.htm
Ubuntu 13.04 上搭建 Hadoop 环境 http://www.linuxidc.com/Linux/2013-06/86106.htm
Ubuntu 12.10 +Hadoop 1.2.1 版本集群配置 http://www.linuxidc.com/Linux/2013-09/90600.htm
Ubuntu 上搭建 Hadoop 环境（单机模式 + 伪分布模式）http://www.linuxidc.com/Linux/2013-01/77681.htm
Ubuntu 下 Hadoop 环境的配置 http://www.linuxidc.com/Linux/2012-11/74539.htm
单机版搭建 Hadoop 环境图文教程详解 http://www.linuxidc.com/Linux/2012-02/53927.htm
搭建 Hadoop 环境（在 Winodws 环境下用虚拟机虚拟两个 Ubuntu 系统进行搭建）http://www.linuxidc.com/Linux/2011-12/48894.htm
更多 Hadoop 相关信息见 Hadoop 专题页面 http://www.linuxidc.com/topicnews.aspx?tid=13
