手把手教hadoop2.5.1+eclipse开发调试环境搭建(2)

前一篇博文我们搭建了好了运行环境，这篇小文我们开始搭建开发调试环境。这才是真正的精华，是无数血泪铸就的 ！ 4、eclipse，又见eclipse 这个我想只要是做java的没有不熟悉，因此我就不再多说了，一切向http://www.eclipse.org索取 。 注意，这里的eclipse

前一篇博文我们搭建了好了运行环境，这篇小文我们开始搭建开发调试环境。这才是真正的精华，是无数血泪铸就的！

4、eclipse，又见eclipse

这个我想只要是做java的没有不熟悉，因此我就不再多说了，一切向http://www.eclipse.org索取。

注意，这里的eclipse环境安装在虚拟机中哦，别装错地方了！

5、安装maven环境

去maven.apache.org上下载maven3，解压到/home（因为/home一般是数据盘，装在这里不占系统盘的空间）。配置~/.bash_profile，修改PATH

PATH=$PATH:/home/maven3/bin/

然后 source ~/.bash_profile，使环境变量生效。

执行mvn -version，看看是否配置成功了。

因为repo.maven.org/maven2在国外访问太慢，最后设置一个本地镜像，我使用的是oschina的镜像，请参考：http://maven.oschina.net/help.html

二、调试mapreduce代码

1、搞一个简单的Hadoop MapReduce例子

首先我们在eclipse中创建一个maven工程，直接用简单模板就可以，修改pom.xml添加依赖：

org.apache.hadoophadoop-client2.5.1

然后参考：http://www.cnblogs.com/xia520pi/archive/2012/06/04/2534533.html来写一个简单的mapreduce程序。当然，他用了hadoop-eclipse-plugin，这个东东配置起来狂复杂，不建议大家使用，直接使用命令行方式，不但可以锻炼对hadoop命令的熟练度，而且还会省很多事情。我是为了省事，直接使用了他的第一个Dedup例子，两个输入文件样本和一个Dedup类。

先用bin/hadoop fs -mkdir /user/root/dedup_in 创建HDFS上的目录。

两个样本数据可以放在两个txt文件中，比如in.txt和in1.txt，名字随意，放在/home/temp/目录中，然后用bin/hadoop dfs -copyFromLocal /home/temp /user/root/dedup_in上传到HDFS中，数据准备完成。

在命令行执行mvn install 编译打包这个程序到jar，然后在命令行输入：

bin/hadoop jar 工程目录/target/xxx.jar [package].Dedup

就可以运行一个mapreduce了，当然，你要先用sbin/start-all.sh启动hadoop才行。

2、修改Dedup类

为了本地追踪调试mapreduce，我们还需要改造一下Dedup类，主要是修改main函数，在Configuration conf = new Configuration()之后增加几行代码：

Configuration conf = new Configuration();

conf.addResource("classpath:mapred-site.xml");
conf.set("fs.defaultFS", "hdfs://虚拟机IP:8020");
conf.set("mapreduce.framework.name", "yarn");
conf.set("yarn.resourcemanager.address", "虚拟机IP:8032");
conf.set("mapred.remote.os", "Linux");
conf.set("hadoop.job.ugi", "hadoop,hadoop");

3、创造一个本地运行时配置

在src/main/resources下增加一个mapred-site.xml文件，用于配置运行时的hadoop参数：

mapreduce.framework.nameyarnmapred.child.java.opts-Xmx800m -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8000mapreduce.jobtracker.staging.root.dir/tmpyarn.app.mapreduce.am.staging-dir/tmpmapreduce.framework.namelocalmapreduce.jobtracker.addresslocalmapred.job.trackerlocal

注意：-Xmx800m -Xdebug -Xrunjdwp:transport=dt_socket,server=y,suspend=y,address=8000中的address=8000可以配置一个不被占用的端口号，以防此端口已被占用。

4、增加一个LocalJob类

这个类是为了在本地模式下，帮助hadoop-mapreduce-client发布jar用的，代码如下：

import java.io.IOException;

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapreduce.Job;

/**
 * @author root
 *
 */
public class LocalJob extends Job {

	public LocalJob() throws IOException {
		super();
	}

	public LocalJob(Configuration conf, String jobName) throws IOException {
		super(conf, jobName);
	}

	public LocalJob(Configuration conf) throws IOException {
		super(conf);
	}
	
	public static LocalJob getInstance(Configuration conf, String jobName) throws IOException{
		JobConf jobConf = new JobConf(conf);
		LocalJob job=new LocalJob(jobConf);
		return job;
	}
	
	public void setJarByClass(Class> clazz){
		super.setJarByClass(clazz);
		
		conf.setJar("file:///工程目录/target/xxx.jar");
	}
	
}

修改Dedup类main函数Job job=new Job(conf,"Data Deduplication")这一行为：

Job job = LocalJob.getInstance(conf, "Data Deduplication");

5、在eclipse的Debug配置中增加一个Remote Java Application实例debug8000，远程端口号设为8000，这就是我们前面在mapred-site.xml中配置那个。然后再在命令行中执行一次mvn install，用于编译jar文件。

6、在Dedup类的map或reduce代码中设置断点，以application形式runDedup类，注意不是Debug方式，而是Run方式。如果这时报dedup_out目录已经存在，就用 bin/hadoop fs -rm -r /user/root/dedup_out删除输出目录

7、如果看到Dedup类正常启动了，没有报错，但停止不动了，这时不要奇怪，因为你刚才设置的那个断点生效了。这时，你要在运行debug8000这个Remote Java Application，在Eclipse Debug透视图中就能看到我们刚才设置的断点，并且直接跳到我们设置的那一行！

如果你一步一步都完成了，祝贺你！你已经打开了Hadoop开发的大门了！