Windows下Eclipse连接hadoop

hadoop在虚拟机上（远程连接也是一样只需要知道master的ip和core-site.xml配置即可。

Vmware上搭建了hadoop分布式平台：

192.168.11.134 master

192.168.11.135 slave1

192.168.11.136 slave2

core-site.xml 配置文件：

    <name>fs.defaultFS</name>

    <value>hdfs://master:9000</value>

<description>The name of the default file system.</description>

    <name>hadoop.tmp.dir</name>

    <!-- 注意创建相关的目录结构 -->

        <value>/usr/setup/hadoop/temp</value>

    <description>A base for other temporary         directories.</description>

1 下载插件

hadoop-eclipse-plugin-2.5.1.jar

github上下载源码后需要自己编译。这里使用已经编译好的插件即可

2 配置插件

把插件放到…\eclipse\plugins目录下，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。（windows下只需把hadoop-2.5.1.tar.gz解压到指定目录）

3 配置Map/Reduce Locations

 打开Windows—Open Perspective—Other，选择Map/Reduce，点击OK，控制台会出现：

右键 new Hadoop location 配置hadoop：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—>master （上一步配置的location name)，如能看到user，表示安装成功

4 wordcount实例

  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();

    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("hdfs://192.168.11.134:9000/in/test*.txt"));//路径1

    FileOutputFormat.setOutputPath(job, new Path("hdfs://192.168.11.134:9000/output"));//输出路径

    System.exit(job.waitForCompletion(true) ? 0 : 1);

}

}

上面的路径1 和路径2 由于在代码中已经定义，这不需要在配置文件中定义，若上面路径1和路径2 代码为：

FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));

这需要配置运行路径：类 右键 Run As—>Run Configurations

红色部分为配置的hdfs上文件路径，

点击run 或或者：Run on Hadoop，运行结果会显示在DFS Locations。若运行中有更新，右键DFS Locations，点disconnect更新

运行结果：

5 问题及解决办法

5.1 出现 空指针异常：
1 在Hadoop的bin目录下放winutils.exe，

2 在环境变量中配置 HADOOP_HOME，

3 hadoop.dll拷贝到C:\Windows\System32下面即可

上面的文件已经下载 ，在文件hadoop-common-2.2.0-bin-master.zip中。

5.2 无法给hdfs上传文件
安装过程中由于已经在hdfs上上传了文件，当重启在 hdfs namenode –format时，后，会提示无法上传文件，此时需要删除hdfs已经存在的副本：

在master上删除dfs上name目录下的current目录： rm –rf current/

在slave上删除dfs上的整个data目录 ：rm –rf data/

5.3 出现log4j警告
将文件log4j.properties放到src下和java文件同目录.

5.3 访问权限不够
参考博客：http://www.linuxidc.com/Linux/2014-08/105335.htm

方法1：这种方法无效

Eclipse连接远程Hadoop集群开发时权限不足问题解决方案：

当前登录windows的用户名和hadoop集群的用户名不一致，将没有权限访问

解决方案：

管理DFS system目录。目前做法是将hadoop服务集群关闭权限认证，修改hadoop安装集群master的hadoop-1.2.0/conf/hdfs-site.xml，增加：

dfs.permissions

false

正式发布时，可以在服务器创建一个和hadoop集群用户名一致的用户，即可不用修改master的permissions策略。

方法2：在master节点执行：（有效）

hadoop fs -chmod 777 /user

其中/user是我上传文件的路径（这个视具体情况而定）

方法3 ：计算机用户名改为hadoop