eclipse/intellij idea 远程调试hadoop 2.6.0

很多hadoop初学者估计都我一样，由于没有足够的机器资源，只能在虚拟机里弄一个linux安装hadoop的伪分布，然后在host机上win7里使用eclipse或intellj idea来写代码测试，那么问题来了，win7下的eclipse或intellij idea如何远程提交map/reduce任务到远程hadoop，并断点调试？

一、准备工作

1.1 在win7中，找一个目录，解压hadoop-2.6.0，本文中是d:\yangjm\code\study\hadoop\hadoop-2.6.0 (以下用$hadoop_home表示)

1.2 在win7中添加几个环境变量

hadoop_home=d:\yangjm\code\study\hadoop\hadoop-2.6.0

hadoop_bin_path=%hadoop_home%\bin

hadoop_prefix=d:\yangjm\code\study\hadoop\hadoop-2.6.0

另外，path变量在最后追加;%hadoop_home%\bin

二、eclipse远程调试

1.1 下载hadoop-eclipse-plugin插件

hadoop-eclipse-plugin是一个专门用于eclipse的hadoop插件，可以直接在ide环境中查看hdfs的目录和文件内容。其源代码托管于github上，官网地址是

有兴趣的可以自己下载源码编译，百度一下n多文章，但如果只是使用 这里已经提供了各种编译好的版本，直接用就行，将下载后的hadoop-eclipse-plugin-2.6.0.jar复制到eclipse/plugins目录下，然后重启eclipse就完事了

1.2 下载windows64位平台的hadoop2.6插件包(hadoop.dll,winutils.exe)

在hadoop2.6.0源码的hadoop-common-project\hadoop-common\src\main\winutils下，有一个vs.net工程，编译这个工程可以得到这一堆文件，输出的文件中，

hadoop.dll、winutils.exe 这二个最有用，将winutils.exe复制到$hadoop_home\bin目录，将hadoop.dll复制到%windir%\system32目录 (主要是防止插件报各种莫名错误，比如空对象引用啥的)

注：如果不想编译，可直接下载编译好的文件 hadoop2.6(x64)v0.2.rar

1.3 配置hadoop-eclipse-plugin插件

启动eclipse，windows->show view->other

window->preferences->hadoop map/reduce 指定win7上的hadoop根目录（即：$hadoop_home）

然后在map/reduce locations 面板中，点击小象图标

添加一个location

这个界面灰常重要，解释一下几个参数：

location name 这里就是起个名字，随便起

map/reduce(v2) master host 这里就是虚拟机里hadoop master对应的ip地址，下面的端口对应 hdfs-site.xml里dfs.datanode.ipc.address属性所指定的端口

dfs master port： 这里的端口，对应core-site.xml里fs.defaultfs所指定的端口

最后的user name要跟虚拟机里运行hadoop的用户名一致，我是用hadoop身份安装运行hadoop 2.6.0的，所以这里填写hadoop，如果你是用root安装的，相应的改成root

这些参数指定好以后，点击finish，eclipse就知道如何去连接hadoop了，一切顺利的话，在project explorer面板中，就能看到hdfs里的目录和文件了

可以在文件上右击，选择删除试下，通常第一次是不成功的，会提示一堆东西，大意是权限不足之类，原因是当前的win7登录用户不是虚拟机里hadoop的运行用户，解决办法有很多，比如你可以在win7上新建一个hadoop的管理员用户，然后切换成hadoop登录win7，再使用eclipse开发，但是这样太烦，最简单的办法:

hdfs-site.xml里添加

<property>
 <name>dfs.permissions</name>
 <value>false</value>
 </property>

然后在虚拟机里，运行hadoop dfsadmin -safemode leave

保险起见，再来一个 hadoop fs -chmod 777 /

总而言之，就是彻底把hadoop的安全检测关掉（学习阶段不需要这些，正式生产上时，不要这么干），最后重启hadoop，再到eclipse里，重复刚才的删除文件操作试下，应该可以了。

1.4 创建woldcount示例项目

新建一个项目，选择map/reduce project

后面的next就行了，然后放一上wodcount.java，代码如下：

package yjmyzz;

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> [<in>...] <out>");
  system.exit(2);
 }
 job job = job.getinstance(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);
 for (int i = 0; i < otherargs.length - 1; ++i) {
  fileinputformat.addinputpath(job, new path(otherargs[i]));
 }
 fileoutputformat.setoutputpath(job,
  new path(otherargs[otherargs.length - 1]));
 system.exit(job.waitforcompletion(true) ? 0 : 1);
 }
}

然后再放一个log4j.properties，内容如下：（为了方便运行起来后，查看各种输出）

log4j.rootlogger=info, stdout

#log4j.logger.org.springframework=info
#log4j.logger.org.apache.activemq=info
#log4j.logger.org.apache.activemq.spring=warn
#log4j.logger.org.apache.activemq.store.journal=info
#log4j.logger.org.activeio.journal=info

log4j.appender.stdout=org.apache.log4j.consoleappender
log4j.appender.stdout.layout=org.apache.log4j.patternlayout
log4j.appender.stdout.layout.conversionpattern=%d{absolute} | %-5.5p | %-16.16t | %-32.32c{1} | %-32.32c %4l | %m%n

最终的目录结构如下：

然后可以run了，当然是不会成功的，因为没给wordcount输入参数，参考下图：

1.5 设置运行参数

因为wordcount是输入一个文件用于统计单词字，然后输出到另一个文件夹下，所以给二个参数，参考上图，在program arguments里，输入

hdfs://172.28.20.xxx:9000/jimmy/input/readme.txt
hdfs://172.28.20.xxx:9000/jimmy/output/

大家参考这个改一下(主要是把ip换成自己虚拟机里的ip)，注意的是，如果input/readm.txt文件没有，请先手动上传，然后/output/ 必须是不存在的，否则程序运行到最后，发现目标目录存在，也会报错，这个弄完后，可以在适当的位置打个断点，终于可以调试了：

三、intellij idea 远程调试hadoop

3.1 创建一个maven的wordcount项目

pom文件如下：

<?xml version="1.0" encoding="utf-8"?>
<project xmlns="http://maven.apache.org/pom/4.0.0"
  xmlns:xsi="http://www.w3.org/2001/xmlschema-instance"
  xsi:schemalocation="http://maven.apache.org/pom/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
 <modelversion>4.0.0</modelversion>

 <groupid>yjmyzz</groupid>
 <artifactid>mapreduce-helloworld</artifactid>
 <version>1.0-snapshot</version>

 <dependencies>
 <dependency>
  <groupid>org.apache.hadoop</groupid>
  <artifactid>hadoop-common</artifactid>
  <version>2.6.0</version>
 </dependency>
 <dependency>
  <groupid>org.apache.hadoop</groupid>
  <artifactid>hadoop-mapreduce-client-jobclient</artifactid>
  <version>2.6.0</version>
 </dependency>
 <dependency>
  <groupid>commons-cli</groupid>
  <artifactid>commons-cli</artifactid>
  <version>1.2</version>
 </dependency>
 </dependencies>

 <build>
 <finalname>${project.artifactid}</finalname>
 </build>

</project>

项目结构如下：

项目上右击-》open module settings 或按f12，打开模块属性

添加依赖的libary引用

然后把$hadoop_home下的对应包全导进来

导入的libary可以起个名称，比如hadoop2.6

3.2 设置运行参数

注意二个地方：

1是program aguments，这里跟eclipes类似的做法，指定输入文件和输出文件夹

2是working directory，即工作目录，指定为$hadoop_home所在目录

然后就可以调试了

intellij下唯一不爽的，由于没有类似eclipse的hadoop插件，每次运行完wordcount，下次再要运行时，只能手动命令行删除output目录，再行调试。为了解决这个问题，可以将wordcount代码改进一下，在运行前先删除output目录，见下面的代码：

package yjmyzz;

import java.io.ioexception;
import java.util.stringtokenizer;

import org.apache.hadoop.conf.configuration;
import org.apache.hadoop.fs.filesystem;
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);
 }
 }


 /**
 * 删除指定目录
 *
 * @param conf
 * @param dirpath
 * @throws ioexception
 */
 private static void deletedir(configuration conf, string dirpath) throws ioexception {
 filesystem fs = filesystem.get(conf);
 path targetpath = new path(dirpath);
 if (fs.exists(targetpath)) {
  boolean delresult = fs.delete(targetpath, true);
  if (delresult) {
  system.out.println(targetpath + " has been deleted sucessfullly.");
  } else {
  system.out.println(targetpath + " deletion failed.");
  }
 }

 }

 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> [<in>...] <out>");
  system.exit(2);
 }

 //先删除output目录
 deletedir(conf, otherargs[otherargs.length - 1]);

 job job = job.getinstance(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);
 for (int i = 0; i < otherargs.length - 1; ++i) {
  fileinputformat.addinputpath(job, new path(otherargs[i]));
 }
 fileoutputformat.setoutputpath(job,
  new path(otherargs[otherargs.length - 1]));
 system.exit(job.waitforcompletion(true) ? 0 : 1);
 }
}

但是光这样还不够，在ide环境中运行时，ide需要知道去连哪一个hdfs实例（就好象在db开发中，需要在配置xml中指定datasource一样的道理），将$hadoop_home\etc\hadoop下的core-site.xml，复制到resouces目录下，类似下面这样：

里面的内容如下：

<?xml version="1.0" encoding="utf-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
 <property>
 <name>fs.defaultfs</name>
 <value>hdfs://172.28.20.***:9000</value>
 </property>
</configuration>

上面的ip换成虚拟机里的ip即可。