欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

eclipse/intellij idea 远程调试hadoop 2.6.0

程序员文章站 2024-03-13 13:18:45
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inte...

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

eclipse/intellij idea 远程调试hadoop 2.6.0

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

eclipse/intellij idea 远程调试hadoop 2.6.0

然后在map/reduce locations 面板中,点击小象图标

eclipse/intellij idea 远程调试hadoop 2.6.0

添加一个location

eclipse/intellij idea 远程调试hadoop 2.6.0

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

eclipse/intellij idea 远程调试hadoop 2.6.0

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

eclipse/intellij idea 远程调试hadoop 2.6.0

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:

eclipse/intellij idea 远程调试hadoop 2.6.0

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

eclipse/intellij idea 远程调试hadoop 2.6.0

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:

eclipse/intellij idea 远程调试hadoop 2.6.0

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:

eclipse/intellij idea 远程调试hadoop 2.6.0

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

eclipse/intellij idea 远程调试hadoop 2.6.0

添加依赖的libary引用

eclipse/intellij idea 远程调试hadoop 2.6.0

然后把$hadoop_home下的对应包全导进来

eclipse/intellij idea 远程调试hadoop 2.6.0

导入的libary可以起个名称,比如hadoop2.6

eclipse/intellij idea 远程调试hadoop 2.6.0

3.2 设置运行参数

eclipse/intellij idea 远程调试hadoop 2.6.0

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

eclipse/intellij idea 远程调试hadoop 2.6.0

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:

eclipse/intellij idea 远程调试hadoop 2.6.0

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。