hadoop 0.20 程式開發 eclipse plugin + Makefile

http://trac.nchc.org.tw/cloud/wiki/waue/2009/0617#%E9%9B%B6.%E5%89%8D%E8%A8%80

http://qa.taobao.com/?p=10659

http://ebiquity.umbc.edu/Tutorials/Hadoop/20%20-%20upload%20data.html

hadoop 0.20 程式開發
eclipse plugin + Makefile

零. 前言¶

開發hadoop 需要用到許多的物件導向語法，包括繼承關係、介面類別，而且需要匯入正確的classpath，否則寫hadoop程式只是打字練習...
用類 vim 來處理這種複雜的程式，有可能會變成一場惡夢，因此用eclipse開發，搭配mapreduce-plugin會事半功倍。
早在hadoop 0.19～0.16之間的版本，筆者就試過各個plugin，每個版本的plugin都確實有大大小小的問題，如：hadoop plugin 無法正確使用、無法run as mapreduce。hadoop0.16搭配IBM的hadoop_plugin 可以提供完整的功能，但是，老兵不死，只是凋零...
子曰："逝者如斯夫，不捨晝夜"，以前寫的文件也落伍了，要跟上潮流，因此此篇的重點在：用eclipse 3.4.2 開發hadoop 0.20程式，並且測試撰寫的程式運作在hadoop平台上
以下是我的作法，如果你有更好的作法，或有需要更正的地方，請與我聯絡

0.0 Info Update¶

Last Update: 2010/01/22

0.1 環境說明¶

ubuntu 8.10
sun-java-6
eclipse 3.4.2
hadoop 0.20.0

0.2 目錄說明¶

使用者：waue
使用者家目錄： /home/waue
專案目錄 ： /home/waue/workspace
hadoop目錄： /opt/hadoop

一、安裝¶

安裝的部份沒必要都一模一樣，僅提供參考，反正只要安裝好java , hadoop , eclipse，並清楚自己的路徑就可以了

1.1. 安裝java¶

首先安裝java 基本套件

$ sudo apt-get install java-common sun-java6-bin sun-java6-jdk sun-java6-jre

1.1.1. 安裝sun-java6-doc¶

$ sudo apt-get install sun-java6-doc

1.2. ssh 安裝設定¶

$ apt-get install ssh
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ ssh localhost

執行ssh localhost 沒有出現詢問密碼的訊息則無誤

1.3. 安裝hadoop¶

安裝hadoop0.20到/opt/並取目錄名為hadoop

$ cd ~
$ wget http://apache.ntu.edu.tw/hadoop/core/hadoop-0.20.0/hadoop-0.20.0.tar.gz $ tar zxvf hadoop-0.20.0.tar.gz
$ sudo mv hadoop-0.20.0 /opt/
$ sudo chown -R waue:waue /opt/hadoop-0.20.0
$ sudo ln -sf /opt/hadoop-0.20.0 /opt/hadoop

編輯 /opt/hadoop/conf/hadoop-env.sh

export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:/opt/hadoop/bin

編輯 /opt/hadoop/conf/core-site.xml

<configuration>
<property>
<name>fs.default.name</name>
<value>hdfs://localhost:9000</value>
</property>
<property>
<name>hadoop.tmp.dir</name>
<value>/tmp/hadoop/hadoop-${user.name}</value>
</property>
</configuration>

編輯 /opt/hadoop/conf/hdfs-site.xml

<configuration>
<property>
<name>dfs.replication</name>
<value>1</value>
</property>
</configuration>

編輯 /opt/hadoop/conf/mapred-site.xml

<configuration>
<property>
<name>mapred.job.tracker</name>
<value>localhost:9001</value>
</property>
</configuration>

啟動

$ cd /opt/hadoop
$ source /opt/hadoop/conf/hadoop-env.sh
$ hadoop namenode -format
$ start-all.sh
$ hadoop fs -put conf input
$ hadoop fs -ls

沒有錯誤訊息則代表無誤

1.4. 安裝eclipse¶

在此提供兩個方法來下載檔案
方法一：下載 eclipse SDK 3.4.2 Classic，並且放這檔案到家目錄
方法二：貼上指令

$ cd ~
$ wget http://ftp.cs.pu.edu.tw/pub/eclipse/eclipse/downloads/drops/R-3.4.2-200902111700/eclipse-SDK-3.4.2-linux-gtk.tar.gz

eclipse 檔已下載到家目錄後，執行下面指令：

$ cd ~
$ tar -zxvf eclipse-SDK-3.4.2-linux-gtk.tar.gz
$ sudo mv eclipse /opt
$ sudo ln -sf /opt/eclipse/eclipse /usr/local/bin/

二、 建立專案¶

2.1 安裝hadoop 的 eclipse plugin¶

匯入hadoop 0.20.0 eclipse plugin

$ cd /opt/hadoop
$ sudo cp /opt/hadoop/contrib/eclipse-plugin/hadoop-0.20.0-eclipse-plugin.jar /opt/eclipse/plugins

$ sudo vim /opt/eclipse/eclipse.ini

可斟酌參考eclipse.ini內容（非必要）

-startup
plugins/org.eclipse.equinox.launcher_1.0.101.R34x_v20081125.jar
--launcher.library
plugins/org.eclipse.equinox.launcher.gtk.linux.x86_1.0.101.R34x_v20080805
-showsplash
org.eclipse.platform
--launcher.XXMaxPermSize
512m
-vmargs
-Xms40m
-Xmx512m

2.2 開啟eclipse¶

打開eclipse

$ eclipse &

一開始會出現問你要將工作目錄放在哪裡：在這我們用預設值





PS: 之後的說明則是在eclipse 上的介面操作

2.3 選擇視野¶

window ->

open pers.. ->

other.. ->

map/reduce

設定要用 Map/Reduce? 的視野



使用 Map/Reduce? 的視野後的介面呈現

2.4 建立專案¶

建立mapreduce專案(1)





建立mapreduce專案的(2)

project name-> 輸入 : icas (隨意)
use default hadoop -> Configur Hadoop install... -> 輸入： "/opt/hadoop" -> ok
Finish

2.5 設定專案¶

由於剛剛建立了icas這個專案，因此eclipse已經建立了新的專案，出現在左邊視窗，右鍵點選該資料夾，並選properties







hadoop的javadoc的設定(1)



java Build Path -> Libraries -> hadoop-0.20.0-ant.jar
java Build Path -> Libraries -> hadoop-0.20.0-core.jar
java Build Path -> Libraries -> hadoop-0.20.0-tools.jar
以 hadoop-0.20.0-core.jar 的設定內容如下，其他依此類推

source ...-> 輸入：/opt/opt/hadoop-0.20.0/src
javadoc ...-> 輸入：file:/opt/hadoop/docs/api/

javadoc location -> 輸入：file:/usr/lib/jvm/java-6-sun/docs/api/





設定完後回到eclipse 主視窗

2.6 連接hadoop server¶

Location Name -> 輸入：hadoop  (隨意)
Map/Reduce Master -> Host-> 輸入：localhost
Map/Reduce Master -> Port-> 輸入：9001
DFS Master -> Host-> 輸入：9000
Finish

設定完後，可以看到下方多了一隻藍色大象，左方展開資料夾也可以秀出在hdfs內的檔案結構

三、 撰寫範例程式¶

之前在eclipse上已經開了個專案icas，因此這個目錄在：
/home/waue/workspace/icas

在這個目錄內有兩個資料夾：
src ： 用來裝程式原始碼
bin ： 用來裝編譯後的class檔

如此一來原始碼和編譯檔就不會混在一起，對之後產生jar檔會很有幫助
在這我們編輯一個範例程式 : WordCount

3.1 mapper.java¶

new






create

source folder-> 輸入： icas/src
Package : Sample
Name -> : mapper

modify

package Sample;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class mapper 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);
}
}
}

建立mapper.java後，貼入程式碼

3.2 reducer.java¶

new

File -> new -> reducer





create

source folder-> 輸入： icas/src
Package : Sample
Name -> : reducer

modify

package Sample;

import java.io.IOException;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class reducer 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);
}
}

File -> new -> Map/Reduce? Driver

3.3 WordCount.java (main function)¶

new

建立WordCount.java，此檔用來驅動mapper 與 reducer，因此選擇 Map/Reduce? Driver



create

source folder-> 輸入： icas/src
Package : Sample
Name -> : WordCount.java

modify

package Sample;

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

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> <out>");
System.exit(2);
}
Job job = new Job(conf, "word count");
job.setJarByClass(WordCount.class);
job.setMapperClass(mapper.class);

job.setCombinerClass(reducer.class);
job.setReducerClass(reducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}

三個檔完成後並存檔後，整個程式建立完成



三個檔都存檔後，可以看到icas專案下的src，bin都有檔案產生，我們用指令來check

$ cd workspace/icas
$ ls src/Sample/
mapper.java  reducer.java  WordCount.java
$ ls bin/Sample/
mapper.class  reducer.class  WordCount.class

四、測試範例程式¶

由於hadoop 0.20 此版本的eclipse-plugin依舊不完整 ，如：
右鍵點選WordCount.java -> run as -> run on Hadoop ：沒有效果





因此，4.1 提供一個eclipse 上解除 run-on-hadoop 封印的方法。而4.2 則是避開run-on-hadoop 這個功能，用command mode端指令的方法執行。

4.1 解除run-on-hadoop封印¶

有一熱心的hadoop使用者提供一個能讓 run-on-hadoop 這個功能恢復的方法。

原因是hadoop 的 eclipse-plugin 也許是用eclipse europa 這個版本開發的，而eclipse 的各版本 3.2 , 3.3, 3.4 間也都有或多或少的差異性存在。

因此如果先用eclipse europa 來建立一個新專案，之後把europa的eclipse這個版本關掉，換用eclipse 3.4開啟，之後這個專案就能用run-on-mapreduce 這個功能囉！

有興趣的話可以試試！（感謝逢甲資工所謝同學）

4.2 運用終端指令¶

4.2.1 產生Makefile 檔¶

$ cd /home/waue/workspace/icas/
$ gedit Makefile

輸入以下Makefile的內容

JarFile="sample-0.1.jar"
MainFunc="Sample.WordCount"
LocalOutDir="/tmp/output"

all:help
jar:
jar -cvf ${JarFile} -C bin/ .

run:
hadoop jar ${JarFile} ${MainFunc} input output

clean:
hadoop fs -rmr output

output:
rm -rf ${LocalOutDir}
hadoop fs -get output ${LocalOutDir}
gedit ${LocalOutDir}/part-r-00000 &

help:
@echo "Usage:"
@echo " make jar     - Build Jar File."
@echo " make clean   - Clean up Output directory on HDFS."
@echo " make run     - Run your MapReduce code on Hadoop."
@echo " make output  - Download and show output file"
@echo " make help    - Show Makefile options."
@echo " "
@echo "Example:"
@echo " make jar; make run; make output; make clean"

4.2.2 執行¶

執行Makefile，可以到該目錄下，執行make [參數]，若不知道參數為何，可以打make 或 make help
make 的用法說明

$ cd /home/waue/workspace/icas/
$ make
Usage:
make jar     - Build Jar File.
make clean   - Clean up Output directory on HDFS.
make run     - Run your MapReduce code on Hadoop.
make output  - Download and show output file
make help    - Show Makefile options.

Example:
make jar; make run; make output; make clean

下面提供各種make 的參數

make jar¶

1. 編譯產生jar檔

$ make jar

make run¶

2. 跑我們的wordcount 於hadoop上

$ make run

make run基本上能正確無誤的運作到結束，因此代表我們在eclipse編譯的程式可以順利在hadoop0.20的平台上運行。

而回到eclipse視窗，我們可以看到下方視窗run完的job會呈現出來；左方視窗也多出output資料夾，part-r-00000就是我們的結果檔





因為有設定完整的javadoc, 因此可以得到詳細的解說與輔助

make output¶

3. 這個指令是幫助使用者將結果檔從hdfs下載到local端，並且用gedit來開啟你的結果檔

$ make output

make clean¶

4. 這個指令用來把hdfs上的output資料夾清除。如果你還想要在跑一次make run，請先執行make clean，否則hadoop會告訴你，output資料夾已經存在，而拒絕工作喔！

$ make clean

五、結論¶

搭配eclipse ，我們可以更有效率的開發hadoop
hadoop 0.20 與之前的版本api以及設定都有些改變，因此hadoop 環境的設定，需要看 hadoop 0.20 的quickstart； 而如何使用 hadoop 0.20 的api，則可以看 /opt/hadoop/src/example/ 裡面的程式碼來提供初步的構想