Eclipse连接Hadoop集群和WordCount实战
原创Eclipse连接Hadoop集群和WordCount实战
原创
本文将主要介绍Eclipse连接Hadoop集群和WordCount实践项目两大内容。
一、环境准备
1、JDK安装与配置
2、Eclipse下载
下载解压即可，下载地址：https://pan.baidu.com/s/1i51UsVN
3、Hadoop下载与配置
下载解压即可，下载地址：https://pan.baidu.com/s/1i57ZXqt 配置环境变量： 在系统变量中新建变量：HADOOP_HOME，值：E:\Hadoop\hadoop-2.6.5 在Path系统变量中添加Hadoop的/bin路径，值：E:\Hadoop\hadoop-2.6.5\bin
4、正常的集群状态
确保集群处于启动状态，并且windows本地机器与集群中的master可以互相ping通，并且可以进行SSH连接； 在 C:\Windows\System32\drivers\etc\hosts文件中，追加Hadoop集群master节点的IP地址和主机名映射，如下：
192.168.29.188 vnet
5、Eclipse-Hadoop插件下载
下载地址：https://pan.baidu.com/s/1o7791VG
下载后将插件放在Eclipse安装目录的plugins目录下，重启Eclipse即可。
6、Eclipse的Map/Reduce视图设置
1）重启Eclipse后，在左侧栏可以看到此视图：
打开Window—>Perspective—>Open Perspective—>Other…，选择Map/Reduce。若没有看到此选项，在确保插件放入plugins目录后已经重启的情况下，猜测可能是Eclipse或插件的版本问题导致，需重新下载相匹配的版本。
2）打开Window—>Preferences—>Hadoop Map/Reduce，配置Hadoop的安装目录。
二、WordCount项目实战
1、Hadoop Location的创建与配置
在Eclipse底部栏中选择Map/Reduce Locations视图，右键选择New Hadoop Locations，如下图：
具体配置如下：
点击finish，若没有报错，则表示连接成功，在Eclipse左侧的DFS Locations中可以看到HDFS文件系统的目录结构和文件内容；
若遇到 An internal error occurred during: "Map/Reduce location status updater". java.lang.NullPointerExcept的问题，则表示当前HDFS文件系统为空，只需在HDFS文件系统上创建文件，刷新DFS Locations后即可看到文件系统内容；
2、创建输入文件及目录
在master节点上创建输入文件，并上传到HDFS对应的输入目录中，如下：
vi input.txt //然后输入单词计数的文件内容，保存
hdfs dfs -put input.txt /user/root/input/ //将Linux本地文件系统的文件上传到HDFS上input.txt
hello world
hello hadoop
bye
bye hadoop3、创建Map/Reduce项目
File—>New—>Project—>Map/Reduce Project，填入项目名称，还需要选择Hadoop Library的路径，这里选择“Use default Hadoop”即可，就是我们之前在Eclipse中配置的Hadoop。
WordCount.java代码：
package com.wecon.sqchen;
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.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.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;
public class WordCount {
public static class WordCountMap extends
Mapper<LongWritable, Text, Text, IntWritable> {
private final IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer token = new StringTokenizer(line);
while (token.hasMoreTokens()) {
word.set(token.nextToken());
context.write(word, one);
}
}
}
public static class WordCountReduce extends
Reducer<Text, IntWritable, Text, IntWritable> {
public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}
public static void main(String[] args) throws Exception {
System.setProperty("hadoop.home.dir","E:/Hadoop/hadoop-2.6.5" );
Configuration conf = new Configuration();
Job job = new Job(conf);
job.setJarByClass(WordCount.class);
job.setJobName("wordcount");
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
job.setMapperClass(WordCountMap.class);
job.setReducerClass(WordCountReduce.class);
job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);
FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));
job.waitForCompletion(true);
}
}
右键打开Run AS —> Run Configurations，配置Arguments，即程序中指定的文件输入目录和输出目录，如下：
配置好后，Run AS—> Java Application，若无报错，则表示程序执行成功，在Eclipse左侧的 DFS Locations刷新后，可以看到输出目录和输出文件，如下：
4、解决遇到的问题
1）java.io.IOException: Could not locate executable null\bin\winutils.exe in the Hadoop binaries.
解决方式：
在main方法中、job提交之前，指定本地Hadoop的安装路径，即添加下列代码：
System.setProperty("hadoop.home.dir","E:/Hadoop/hadoop-2.6.5" );
2）(null) entry in command string: null chmod 0700 E:\tmp\hadoop-Administrator\mapred\staging
\Administr
解决方式：
参考链接：https://ask.hellobi.com/blog/jack/5063 链接中所需文件下载地址：https://pan.baidu.com/s/1i4Z4aVV
3）org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/user/root":root:supergroup:drwxr-xr-x
解决方式：
这是本地用户执行Application时，HDFS上的用户权限问题； 参考链接：http://blog.csdn.net/Camu7s/article/details/50231625 采用第三种方法，在master节点机器上执行下列命令：
adduser Administrator
groupadd supergroup
usermod -a -G supergroup Administrator4）org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://vnet:9000/user/root/output already exists
解决方式：
这是因为该项目的输出目录在HDFS中已经存在，而输出目录是在程序运行过程中创建的，不允许提前存在，所以只需删除HDFS上的对应output目录即可。
5）
log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.
MutableMetricsFactory).
log4j:WARN Please initialize the log4j system properly.
log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.解决方式：
在项目的src目录下，New—>Other—>General—>File，创建文件“log4j.properties”，文件内容如下：
log4j.rootLogger=WARN, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n5、参考链接：
http://blog.csdn.net/bd_ai_iot/article/details/78287379
http://blog.csdn.net/songchunhong/article/details/47046701
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。