第5周 Map-Reduce编程实战，eclipse与Hadoop集群连接

Eclipse的Hadoop插件

参考：/article/9854246.html
/article/4874022.html

win7下安装hadoop完成后，接下来就是eclipse hadoop开发环境配置了。具体的操作如下：
一、在eclipse下安装开发hadoop程序的插件

安装这个插件很简单，haoop-0.20.2自带一个eclipse的插件，在hadoop目录下的 contrib\eclipse-plugin\hadoop-0.20.2-eclipse-plugin.jar，把这个文件copy到eclipse的eclipse\plugins
目录下，然后启动eclipse就算完成安装了。

这里说明一下，haoop-0.20.2自带的eclipse的插件只能安装在eclipse 3.3上才有反应，而在eclipse 3.7上运行hadoop程序是没有反应的，所以要针对eclipse 3.7重新编译插件。

另外简单的解决办法是下载第三方编译的eclipse插件，下载地址为：

http://code.google.com/p/hadoop-eclipse-plugin/downloads/list

由于我用的是Hadoop-0.20.2，所以下载hadoop-0.20.3-dev-eclipse-plugin.jar.

然后将hadoop-0.20.3-dev-eclipse-plugin.jar重命名为hadoop-0.20.2-eclipse-plugin.jar，把它copy到eclipse的eclipse\plugins目录下，然后启动eclipse完成安装。

1、在左边的 project explorer 上头会有一个 DFS locations的标志

2、在 windows -> preferences里面会多一个hadoop map/reduce的选项，选中这个选项，然后右边，把下载的hadoop根目录选中（windows上的hadoop只是为了调用里面的jar包）
如果能看到以上两点说明安装成功了。

二、在windows的“C:\Windows\System32\drivers\etc\hosts”路径下加入以下内容：
192.168.136.128 hadoop1
192.168.136.129 hadoop2
192.168.136.130 hadoop3

三、插件安装后，配置连接参数

插件装完了，启动hadoop，然后就可以建一个hadoop连接了，就相当于eclipse里配置一个 weblogic的连接。

第一步，打开Map/Reduce Locations 视图，在右上角有个大象的标志点击
第二步，在点击大象后弹出的对话框进行进行参数的添加：

location name: 这个随便填写，我填写的是：hadoop

Map/Reduce Master 这个框里

Host：就是jobtracker 所在的集群机器，这里写hadoop1（这里可以写主机名，因为前面已经加了主机映射。）

Hort：就是jobtracker 的port，这里写的是9001

这两个参数就是mapred-site.xml里面mapred.job.tracker里面的ip和port

DFS Master 这个框里

Host：就是namenode所在的集群机器，这里写hadoop1

Port：就是namenode的port，这里写9000

这两个参数就是core-site.xml里面fs.default.name里面的ip和port

（Use M/R master host，这个复选框如果选上，就默认和Map/Reduce Master这个框里的host一样，如果不选择，就可以自己定义输入，这里jobtracker 和namenode在一个机器上，所以是一样的，就勾选上）
user name：这个是连接hadoop的用户名，因为我是用root用户安装的hadoop，而且没建立其他的用户，所以就用root。

下面的不用填写。然后点击finish按钮，此时，这个视图中就有多了一条记录。

第三步，重启eclipse并重新编辑刚才建立的那个连接记录，如图现在我们编辑advance parameters tab页
（重启编辑advance parameters tab页原因：在新建连接的时候，这个advance paramters tab页面的一些属性会显示不出来，显示不出来也就没法设置，所以必须重启一下eclipse再进来编辑才能看到）

这里大部分的属性都已经自动填写上了，其实就是把core-defaulte.xml、hdfs-defaulte.xml、mapred-defaulte.xml里面的一些配置属性展示出来。因为在安装hadoop的时候，其site系列配置文件里有改动，所以这里也要弄成一样的设置。主要关注的有以下属性：

fs.defualt.name：这个在General tab页已经设置了

mapred.job.tracker：这个在General tab页也设置了

dfs.replication：这个这里默认是3，因为我在hdfs-site.xml里面设置成了2，所以这里也要设置成2

hadoop.job.ugi：刚才说看不见的那个，就是这个属性，这里要填写：root,Tardis，逗号前面的是连接的hadoop的用户，逗号后面就写死Tardis

dfs.data.dir 改为 /nosql/hadoop/data
hadoop.tmp.dri 改为 /tmp/hadoop-root
然后点击finish，DFS Locations下面会有一只大象，下面会有一个文件夹，即 hdfs的根目录，这里就是展示的分布式文件系统的目录结构了。

第四步 查看HDFS文件系统，并尝试建立文件夹和上传文件
点击Eclipse软件左侧的"DFS Locations"下面的"hadoop"，就会展示出HDFS上的文件结构。
右击"hadoopàuseràroot"可以尝试建立一个"文件夹--test"，然后右击刷新就能查看我们刚才建立的文件夹。
用SecureCRT远程登录"192.168.136.128"服务器，用下面命令查看是否已经建立一个"test"的文件夹。
[root@hadoop1 bin]# ./hadoop dfs -ls
Found 3 items
drwxr-xr-x - root supergroup 0 2014-01-09 07:57 /user/root/in
drwxr-xr-x - root supergroup 0 2014-01-09 07:58 /user/root/out
drwxr-xr-x - root supergroup 0 2014-01-10 07:54 /user/root/test
到此为止，我们的Hadoop Eclipse开发环境已经配置完毕，不尽兴的同学可以上传点本地文件到HDFS分布式文件上，可以互相对比意见文件是否已经上传成功。
[root@hadoop1 bin]# ./hadoop dfs -ls ./test
Found 1 items
-rw-r--r-- 2 root supergroup 3965 2014-01-10 07:56 /user/root/test/m.sql

倒排索引

import java.io.IOException;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.conf.Configured;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.LongWritable;
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.mapreduce.lib.output.TextOutputFormat;
import org.apache.hadoop.util.Tool;
import org.apache.hadoop.util.ToolRunner;
/*
* 倒排索引
* 现有一批电话通信清单，记录了用户A拨打用户B的记录
* 需要做一个倒排索引，记录拨打给用户B的所有用户A
* 13599999999 10086
* 13599999999 120
* 13999999999 13800138000
* 13722222222 13800138000
* 18800000000 120
* 13722222222 10086
* 18966666666 10086
* 18966666666|110
* 任务输出必须如下所示，主叫以‘|’分割
* hdfs://192.168.136.128:9000/user/root/test
* hdfs://192.168.136.128:9000/user/root/out
*/
public class Test extends Configured implements Tool {
/* 计数器 Counter 是一个计数器 可以记录这个程序一些数据用于统计 */
enum Counter {
LINESKIP, // 出错的行
}
public static class Map extends Mapper<LongWritable, Text, Text, Text> {
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
// 读取源文件，line得到的就是输入文件的一行数据
String line = value.toString();
try {
// 数据处理
String[] lineSplit = line.split(" "); // 对源数据进行分割重组
String anum = lineSplit[0]; // 主叫
String bnum = lineSplit[1]; // 被叫
context.write(new Text(bnum), new Text(anum)); // 输出
} catch (ArrayIndexOutOfBoundsException e) {
context.getCounter(Counter.LINESKIP).increment(1); // 出错令计数器加1
}
}
}
public static class Reduce extends Reducer<Text, Text, Text, Text> {
public void reduce(Text key, Iterable<Text> values, Context context)
throws IOException, InterruptedException {
String valueString;
String out = "";
// 每个value代表Map函数发送的一个value
// 在这里代表拨打了这个被叫号码的一个主叫
for (Text value : values) {
valueString = value.toString();
out += valueString + "|";
}
context.write(key, new Text(out));
}
}
public int run(String[] args) throws Exception {
Configuration conf = getConf();
Job job = new Job(conf, "test_job"); // 任务名
job.setJarByClass(Test.class); // 执行class
FileInputFormat.addInputPath(job, new Path(args[0])); // 输入路径
FileOutputFormat.setOutputPath(job, new Path(args[1])); // 输出路径
job.setMapperClass(Map.class); // 指定上面Map类作为MAP任务代码
job.setReducerClass(Reduce.class); // 指定上面Reduce类作为REDUCE任务代码
job.setOutputFormatClass(TextOutputFormat.class);
job.setOutputKeyClass(Text.class); // 指定输出KEY的格式
job.setOutputValueClass(Text.class); // 指定输出VALUE的格式等哈
job.waitForCompletion(true);
return job.isSuccessful() ? 0 : 1;
}
public static void main(String[] args) throws Exception {
int res = ToolRunner.run(new Configuration(), new Test(), args );
System.exit(res);
}
}