eclipse+hadoop 配置过程中遇到的问题

1)

首先说下各个工具版本

windows：win7 32位

eclipse： 我用的是String tool Suite3.7.1

hadoop ： 2.6.0

虚拟机及linux版本：vmware 和 ubuntu 14.0

2)

搭建过程就不详细说了，，也是找了好多教程。下面附可能有帮助的地址

http://bbs.csdn.net/topics/390684266<span style="font-family: Arial, Helvetica, sans-serif;">CSDN论坛【Hadoop问题汇总贴，不定期更新，欢迎大家推荐有代表性的帖子和博文】</span></h1></span>

http://www.linuxidc.com/Linux/2015-01/112029p2.htm
主要看这部分就可以了
Ubuntu14.04安装配置Hadoop2.6.0（完全分布式）

http://blog.csdn.net/hongweigg/article/details/7185328
Hadoop 解除 "Name node is in safe mode"

http://www.cnblogs.com/xia520pi/archive/2012/05/20/2510723.html

Hadoop集群（第7期）_Eclipse开发环境设置

上面的教程差不多就覆盖一些疑惑

3）

eclipse运行wordCount常见错误：

1>

org.apache.hadoop.security.AccessControlException: org.apache.hadoop.security.AccessControlException: Permission denied: user=xxx, access=WRITE, inode="xxx":xxx:supergroup:rwxr-xr-x

解决连接：点击打开链接 没有写入权限

2>

Exception in thread "main" java.lang.NullPointerException

解决连接：点击打开链接空指针异常

这个地方需要注意的是： 需要下载与你windows 版本一致的 .dll 和 .exe 。32位或64位

3>

java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.

解决办法： 新建系统变量HADOOP_HOME,值是你在windows 上hadoop的路径。。。在Path后面追加上 %HADOOP_HOME%/bin

这样基本就差不多可以跑了。下面附wordCount 代码

package wordCount;

import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.TextInputFormat;
import org.apache.hadoop.mapred.TextOutputFormat;
/**
*
* 描述：WordCount explains by Felix
* @author Hadoop Dev Group
*/
public class WordCount
{
/**
* MapReduceBase类:实现了Mapper和Reducer接口的基类（其中的方法只是实现接口，而未作任何事情）
* Mapper接口：
* WritableComparable接口：实现WritableComparable的类可以相互比较。所有被用作key的类应该实现此接口。
* Reporter 则可用于报告整个应用的运行进度，本例中未使用。
*
*/
public static class Map extends MapReduceBase implements
Mapper<LongWritable, Text, Text, IntWritable>
{
/**
* LongWritable, IntWritable, Text 均是 Hadoop 中实现的用于封装 Java 数据类型的类，这些类实现了WritableComparable接口，
* 都能够被串行化从而便于在分布式环境中进行数据交换，你可以将它们分别视为long,int,String 的替代品。
*/
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();

/**
* Mapper接口中的map方法：
* void map(K1 key, V1 value, OutputCollector<K2,V2> output, Reporter reporter)
* 映射一个单个的输入k/v对到一个中间的k/v对
* 输出对不需要和输入对是相同的类型，输入对可以映射到0个或多个输出对。
* OutputCollector接口：收集Mapper和Reducer输出的<k,v>对。
* OutputCollector接口的collect(k, v)方法:增加一个(k,v)对到output
*/
public void map(LongWritable key, Text value,
OutputCollector<Text, IntWritable> output, Reporter reporter)
throws IOException
{
String line = value.toString();
StringTokenizer tokenizer = new StringTokenizer(line);
while (tokenizer.hasMoreTokens())
{
word.set(tokenizer.nextToken());
output.collect(word, one);
}
}
}
public static class Reduce extends MapReduceBase implements
Reducer<Text, IntWritable, Text, IntWritable>
{
public void reduce(Text key, Iterator<IntWritable> values,
OutputCollector<Text, IntWritable> output, Reporter reporter)
throws IOException
{
int sum = 0;
while (values.hasNext())
{
sum += values.next().get();
}
output.collect(key, new IntWritable(sum));
}
}
public static void main(String[] args) throws Exception
{
/**
* JobConf：map/reduce的job配置类，向hadoop框架描述map-reduce执行的工作
* 构造方法：JobConf()、JobConf(Class exampleClass)、JobConf(Configuration conf)等
*/
JobConf conf = new JobConf(WordCount.class);
//String[] ars=new String[]{"input","newout"};
//String[] otherArgs = new GenericOptionsParser(conf, ars).getRemainingArgs();
conf.setJobName("wordcount");          //设置一个用户定义的job名称
conf.setOutputKeyClass(Text.class);    //为job的输出数据设置Key类
conf.setOutputValueClass(IntWritable.class);  //为job输出设置value类
conf.setMapperClass(Map.class);        //为job设置Mapper类
conf.setCombinerClass(Reduce.class);      //为job设置Combiner类
conf.setReducerClass(Reduce.class);        //为job设置Reduce类
conf.setInputFormat(TextInputFormat.class);    //为map-reduce任务设置InputFormat实现类
conf.setOutputFormat(TextOutputFormat.class);  //为map-reduce任务设置OutputFormat实现类
/**
* InputFormat描述map-reduce中对job的输入定义
* setInputPaths():为map-reduce job设置路径数组作为输入列表
* setInputPath()：为map-reduce job设置路径数组作为输出列表
*/
conf.set("fs.default.name", "hdfs://192.168.20.128:9000");
FileInputFormat.addInputPath(conf, new Path("hdfs://192.168.20.128:9000/dabing/input"));
FileOutputFormat.setOutputPath(conf, new Path("hdfs://192.168.20.128:9000/dabing/output"));

JobClient.runJob(conf);        //运行一个job
}
}