Eclipse配置Hadoop MapReduce开发环境

427次阅读

没有评论

共计 4685 个字符，预计需要花费 12 分钟才能阅读完成。

环境：

Eclipse版本：MyEclipse6.5.1

Hadoop版本：hadoop-1.2.1

1.安装 MyEclipse 后，创建一个 java 项目

File->New->Java Project

输入项目名称，确定

Eclipse 配置 Hadoop MapReduce 开发环境

2.导入 hadoop 所有包

解压hadoop-1.2.1.tar（E:\software\share\hadoop-1.2.1）

把 E:\software\share\hadoop-1.2.1 下

和 E:\software\share\hadoop-1.2.1\lib 下的 jar 包都导入到项目里

方法如下：

点中项目根右键->Properties->JavaPath->Libraries->Add External JARs

Eclipse 配置 Hadoop MapReduce 开发环境

3.确认 jre 为6.0以上版本

我的 MyEclipse6.5.1 版本开始默认使用 jre5.0 版本，因 hadoop-1.2.1 需要 jre 6.0 以上版本，所执行程序时报错：

Bad version number in .class file (unableto load class ***)

更改 jre 版本方法

Windows->Preference->Java->InstalledJREsàadd

Eclipse 配置 Hadoop MapReduce 开发环境

4.修改 FileUtil.java 文件

这时在创建一个测试 WordCount 的mapreduce程序时，同样遇到了下面的问题

13/12/13 22:58:49 WARNutil.NativeCodeLoader: Unable to load native-hadoop library for yourplatform… using builtin-java classes where applicable

13/12/13 22:58:49 ERRORsecurity.UserGroupInformation:PriviledgedActionExceptionas:liczcause:java.io.IOException: Failed to set permissions of path:\tmp\hadoop-licz\mapred\staging\licz1853164772\.staging to 0700

Exception in thread”main”java.io.IOException: Failed to set permissions of path:\tmp\hadoop-licz\mapred\staging\licz1853164772\.staging to

……

解决办法：

修改 E:\software\share\hadoop-1.2.1\src\core\org\apache\hadoop\fs\FileUtil.java文件

注释掉下面的内容

685 private static voidcheckReturnValue(boolean rv, File p,

686 FsPermission permission

687 ) throws IOException {

688 /*if (!rv) {

689 throw new IOException(“Failed toset permissions of path: ” + p +

690 ” to ” +

691 String.format(“%04o”, permission.toShort()));

692 }*/

693 }

然后在 Mapreduce1/scr 新建一个 org.apache.hadoop.fs 包，把 FileUtil.java 文件拷到这个包的下面（在 eclipse 里直接粘贴就可以）

Eclipse 配置 Hadoop MapReduce 开发环境

再次编译 WordCount.java 程序没有报错

import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;

import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
importorg.apache.hadoop.mapred.FileOutputFormat;
importorg.apache.hadoop.mapred.JobClient;
importorg.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
importorg.apache.hadoop.mapred.Mapper;
importorg.apache.hadoop.mapred.OutputCollector;
importorg.apache.hadoop.mapred.Reducer;
importorg.apache.hadoop.mapred.Reporter;
importorg.apache.hadoop.mapred.TextInputFormat;
importorg.apache.hadoop.mapred.TextOutputFormat;

public class WordCount {

public static class WordCountMapper extends MapReduceBase implementsMapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();

public void map(Object key, Text value,OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
StringTokenizer itr = newStringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
output.collect(word, one);
}

}
}

public static class WordCountReducer extends MapReduceBase implementsReducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();

public void reduce(Text key, Iterator<IntWritable>values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
int sum = 0;
while (values.hasNext()) {
sum +=values.next().get();
}
result.set(sum);
output.collect(key, result);
}

}

public static void main(String[] args) throws Exception {
String input = “hdfs://192.168.2.100:9000/user/licz/hdfs/o_t_account”;
String output = “hdfs://192.168.2.100:9000/user/licz/hdfs/o_t_account/result”;

JobConf conf = new JobConf(WordCount.class);
conf.setJobName(“WordCount”);
conf.addResource(“classpath:/hadoop/core-site.xml”);
conf.addResource(“classpath:/hadoop/hdfs-site.xml”);
conf.addResource(“classpath:/hadoop/mapred-site.xml”);

conf.setOutputKeyClass(Text.class);
conf.setOutputValueClass(IntWritable.class);

conf.setMapperClass(WordCountMapper.class);
conf.setCombinerClass(WordCountReducer.class);
conf.setReducerClass(WordCountReducer.class);

conf.setInputFormat(TextInputFormat.class);
conf.setOutputFormat(TextOutputFormat.class);

FileInputFormat.setInputPaths(conf, new Path(input));
FileOutputFormat.setOutputPath(conf,new Path(output));

JobClient.runJob(conf);
System.exit(0);
}

}

Eclipse 配置 Hadoop MapReduce 开发环境

注意：

在 windows 上使用 eclipse 用户要与 hadoop 服务器上安装 hadoop 的用户名一致，这样才能正常运行，否则会出现没有权限创建目录的报错。

如 hadoop 安装在了 linux 服务器的 licz 用户下，我必需在 windows 的上的 licz 用户下使用 eclipse 开发程序。

这样，我们就可以在 eclipse 上开发 mapreduce 程序了。

相关阅读：