实验二-2 Eclipse&Hadoop 做英文词频统计进行集群测试

创建目录上传英文测试文档(如果已有则无需配置)。
a.dfs上创建input目录
hadoop@ubuntu-V01:~/data/hadoop-2.5.2$bin/hadoop fs -mkdir -p input
b.把hadoop目录下的README.txt拷贝到dfs新建的input里
hadoop@ubuntu-V01:~/data/hadoop-2.5.2$bin/hadoop fs -copyFromLocal README.txt input

—————————————————————————————————

注：方法一和方法二的具体类可以略过不看。不过中间的红字要看

————————————————————————————————

方法一：

创建一个Map/Reduce Project
1) 新建项目 File--New--Other--Map/Reduce Project 命名为MR1（创建到此步时，可以看到hadoop里面的库会自动加进来）



2) 创建类org.apache.hadoop.examples.WordCount，从hadoop-2.5.2-src中拷贝粘贴
（E:\hadoop\hadoop-2.5.2-src\hadoop-mapreduce-project\hadoop-mapreduce-examples\src\main\java\org\apache\hadoop\examples\WordCount.java）

3)然后创建类org.apache.hadoop.io.nativeio.NativeIO，从hadoop-2.5.2-src中拷贝粘贴
（E:\hadoop\hadoop-2.5.2-src\hadoop-common-project\hadoop-common\src\main\java\org\apache\hadoop\io\nativeio \ NativeIO.java）



以下两步可以不做：
4) 创建log4j.properties文件 (这步可以不做)
在src目录下创建log4j.properties文件，内容如下：
log4j.rootLogger=debug,stdout,R
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n
log4j.appender.R=org.apache.log4j.RollingFileAppender
log4j.appender.R.File=mapreduce_test.log
log4j.appender.R.MaxFileSize=1MB
log4j.appender.R.MaxBackupIndex=1
log4j.appender.R.layout=org.apache.log4j.PatternLayout
log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%n
log4j.logger.com.codefutures=DEBUG
5) 解决java.lang.UnsatisfiedLinkError(这步我没有做):

org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)异常问题
(由于你的环境和我的可能不一致，可以在后面出现相关问题后再进行修改)
拷贝源码文件org.apache.hadoop.io.nativeio.NativeIO到项目中
然后定位到570行，直接修改为return true;
如下图所示：



3. windows下运行环境配置(如果不生效，则需要重启机器)
需要hadoop.dll,winutils.exe (这两个文件在hadoop2.5.2(x64).zip中)。拷贝E:\hadoop\bin目录下这两文件添至E:\hadoop\hadoop-2.5.2\bin 即可。
4. 运行project
在eclipse中点击WordCount.java，右键，点击Run As—>Run Configurations，配置运行参数，即输入和输出文件夹
hdfs://192.168.0.6:9000/input hdfs://192.168.0.6:9000/output2
如下图所示：



注意：以后再运行别的project时，打开上面的对话框后，需在java application上右键新建一个configuration。

选择run运行，运行之后可以看到hdfs文件系统中出现了output文件夹，并且在该文件夹下面可以看到运行结果part-r-00000。双击即可打开该文件，如下图所示：





注意：如果output目录已经存在，则删掉或换个名字，如output01，output02 。。。
另外，出现问题可以多看日志(http://192.168.0.6:8088/logs/)

方法二：具体见http://www.2cto.com/kf/201212/173857.html



该方法在程序中指定了输入输出路径，所以在eclipse上运行的时候不需要指定输入输出路径，如下即可。





打包成jar

选中src包右键——export——java——JAR file——next——只选择左侧src文件夹就可以了，lib下的jar是hadoop自带的，不需要把它添加到jar文件里（后面的庖丁中文分词需要注意的是，庖丁的jar不是hadoop自带的，所以需要添加到jar文件里），注意不要把右侧.classpath和.project文件添加到jar文件中。再将下面的jar file选择jar包存放的路径和文件名。如下图：



将生成的.jar文件上传到master节点的%HADOOP_HOME中（即/home/hadoop/hadoop-2.5.2）代码见实验一

cd /home/hadoop/hadoop-2.5.2

bin/hadoop jar myWordCount.jar myWordCount.MyDriver

(由于程序中已经指定文件的输入和输出，故而此时命令无需再指定，即使指定也没用)

报错，原因在于刚刚程序已经在Eclipse中执行了一遍，已经生成了输出目录，删除即可。





可以在Eclipse端查看结果。

注意：：

同上，如果在打包时已经指定主类，那么在打包后丢到hadoop上去运行时就不要写主类，否则程序可能会将主类当成输入路径，而将输入路径当成输出路径。上图写了主类每报错是因为在打包时没有指定主类。

——————————————————————————————————

接下来的方法三是我们书上的方法，需要看。

——————————————————————————————————

方法三：

该方法我是在经历过各种失败后重新做的，此时eclipse中的编码方式已经改为UTF-8（原先没有改时的注释在改后变成了乱码，原因至今不明）

创建一个Map/Reduce Project ，命名为twoWordCount。

在src目录下创建一个包，命名为twoWordCount。

在twoWordCount中创建三个文件，分别是下图中的mapper类、reducer类和driver类



　　4. 结合课本修改代码，如下：

myMapper.java

package twoWordCount; import java.io.IOException; import java.util.StringTokenizer; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.LongWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Mapper; public class myMapper extends Mapper<LongWritable, Text, Text, IntWritable> { private final static IntWritable one = new IntWritable(1); private Text word = new Text(); public void map(LongWritable ikey, Text value, Context context) throws IOException, InterruptedException { /* *将字符串解析成Key-Value的形式 * ikey 偏移量 * value 内容 * context 上下文 */ StringTokenizer tokenizer = new StringTokenizer(value.toString()); while (tokenizer.hasMoreTokens()) { word.set(tokenizer.nextToken()); context.write(word, one); } } }

myReducer.java

package twoWordCount; import java.io.IOException; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop.io.Text; import org.apache.hadoop.mapreduce.Reducer; public class myReducer extends Reducer<Text, IntWritable, Text, IntWritable> { private IntWritable result = new IntWritable(); public void reduce(Text _key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException { /* * 获取map方法的Key—Value结果，相同的Key发送到同一个Reducer里面，迭代Key，把value想加，结果写到HDFS系统中 * _key map端输出的key值 * values Map端输出的value集合(相同key值的集合) * context Reducer端的上下文 */ int sum=0; for (IntWritable val : values) { sum=sum+val.get(); } result.set(sum); context.write(_key,result); } }

myDriver.java

package twoWordCount; 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 myDriver { public static void main(String[] args) throws Exception { // Configuration conf = new Configuration(); // String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs(); // //这里必须有输入输出 // if (otherArgs.length != 2) { // System.err.println("Usage: wordcount <in> <out>"); // System.exit(2); // } 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, "EnglishWordCount"); job.setJarByClass(twoWordCount.myDriver.class); // TODO: specify a mapper job.setMapperClass(twoWordCount.myMapper.class); //Mapper job.setCombinerClass(twoWordCount.myReducer.class);//作业合成类 // TODO: specify a reducer job.setReducerClass(twoWordCount.myReducer.class);//Reducer // TODO: specify output types job.setOutputKeyClass(Text.class); //设置作业输出数据的关键类 job.setOutputValueClass(IntWritable.class); //设置作业输出值类 // TODO: specify input and output DIRECTORIES (not files) // FileInputFormat.setInputPaths(job, new Path(otherArgs[0])); //文件输入 // FileOutputFormat.setOutputPath(job, new Path(otherArgs[1])); //文件输出 // // if (!job.waitForCompletion(true)) //等待完成输出 // return; 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); } }

备注：里的代码也可以，用没注释的代码也可以。注释的代码是找错的时候用到的，后面遇到的问题中有说（问题一）。

　　5. 然后分别在eclipse上和hadoop上运行。需要注意的是，在eclipse上运行时在输入输出路径设置方式同方法二；在hadoop上运行时注意打包时是否有指定主程序，若有，则命令中不要再指定，否则就会出现各种错误，具体错误可以见后面的遇到的问题。



至此测试完毕。