CentOS下安装Eclipse测试Hadoop

434次阅读

共计 3874 个字符，预计需要花费 10 分钟才能阅读完成。

简单记录在 CentOS 下安装 Eclipse 测试 Hadoop 的过程。

(一)，安装 eclipse

1，下载 eclipse，点这里

2，将文件上传到 Centos7, 可以用 WinSCP

3，解压并安装 eclipse

[root@Master opt]# tar zxvf ‘/home/s/eclipse-jee-neon-1a-linux-gtk-x86_64.tar.gz’ -C/opt —————> 建立文件：[root@Master opt]# mkdir /usr/bin/eclipse ——————》添加链接，即快捷方式：[root@Master opt]# ln -s /opt/eclipse/eclipse /usr/bin/eclipse ———–》点击 eclipse，即可启动了

（二），建立 Hadoop 项目

1，下载 hadoop plugin 2.7.3 链接：http://pan.baidu.com/s/1i5yRyuh 密码：ms91

2，解压上述 jar 包插件，放到 eclipse 中 plugins 中，并重启 eclipse

2，在 eclipse 中加载 dfs 库, 点击 Windows 工具栏 ——–> 选择 show view 如图：

CentOS 下安装 Eclipse 测试 Hadoop

2，打开 resource 点击 Window —–>Perspective———–>open Perspective 选择 resource：

CentOS 下安装 Eclipse 测试 Hadoop

3，配置连接端口，点击 eclipse 下放的 MapResource Location，点击添加：其中 port 号按照 hdfs-site.xml 和 core-site.xml 来填写。

CentOS 下安装 Eclipse 测试 Hadoop

4，上传输入文件：使用 hdfs dfs -put /home/file1 /data 即可在 eclipse 中看到如下：（要确保各个机器的防火墙都关闭，出现异常可以暂时不用关，后面跑下例子就全没了，呵呵）

CentOS 下安装 Eclipse 测试 Hadoop

(三），测试 WordCount 程序

1，新建项目：点击 new ————》project ———–>Map Reduce, 如图：

CentOS 下安装 Eclipse 测试 Hadoop

2，给项目配置本地的 hadoop 文件，圆圈处写本地 hadoop 的路径：

CentOS 下安装 Eclipse 测试 Hadoop

3，新建个 mappert 类，写如下代码：

package word;

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 mapper {

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(otherArgs.length);
System.err.println(“Usage: wordcount <in> <out>”);
System.exit(2);
}
Job job = new Job(conf, “word count”);
job.setJarByClass(mapper.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.out.print(“ok”);
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}