hadoop - hadoop2.6 伪分布式 - eclipse 中 配置 和 示例 wordcount

1.配置eclipse 

   1.1 下载 linux版的 eclipse 

​​百度云 - 大数据资料专辑​​

   1.2 解压

     可以手动提取，也可以命令提取：

yuan@LABELNET:~/JAVA$ sudo tar -zxvf eclipse.tar.gz  ~/JAVA/

   1.3 运行

yuan@LABELNET:~/Java/eclipse$ ./eclipse

   1.4 图标

    我的是 deepin 15- linux 操作系统 ，创建图标很简单 

   （1） 必须在home 文件夹下或其子文件夹中进行，在其他磁盘是创建不成功的；

注意 没有 sudo ，不然不会成功的；

yuan@LABELNET:~/Java$ gedit eclipse.desktop

   （2） 编辑如下 ：

#!/usr/bin/env xdg-open
[Desktop Entry]
Exec=/home/yuan/Java/android/eclipse/eclipse
Icon=/home/yuan/Java/android/eclipse/icon.xpm
Type=Application
Terminal=false
Name=lunaeclipse
GenericName=lunaeclipse
Categories=lunaeclipse
Name[en_US]=lunaeclipse
GenericName[en_US.UTF-8]=lunaeclipse
Name[zh_CN]=lunaeclipse

 含义 ：

   1.5 双击运行

     点击 标记信任  就可以了，可以复制到桌面使用！

   1.6 配置hadoop 插件

       在刚才的专辑中下载 hadoop-eclipse 插件，将其复制到 eclipse - plugins 文件夹下

    1.7 双击运行

    打开map-reduce 面板：

  1.8 配置 hadoop 路径

    配置hadoop 的安装路径，就是hadoop 的根路径；

   1.9 打开Map/Reduce Location 

   window  -  show View - MapReduce Tools

  1.10  New Hadoop Location

     50020 写错了 为 50070 ，其实就是 在配置 伪分布式的时候，配置的两个配置文件的端口号！！！

   1.11 查看

   点击的化，eclipse 可能提示报了一个错误，可以忽视他，点击左边 DFS Location :

可以看见 user / hadoop  目录，这里的hbase 可以忽略，我安装过了，并且测试了，所有这里就有了；

2. 演示 WrodCount 示例

 2.1 新建 map / reduce 工程

 2.2 复制配置文件

 三个复制到 工程的src 文件夹下 ：

cp /usr/local/hadoop/etc/hadoop/core-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/log4j.properties ~/workspace/WordCount/src

 2.3 复制分词源码

package cn.labelnet.wordcount;

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.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.util.GenericOptionsParser;

public class WordCount {
  public static class TokenizerMapper 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);
      }
    }
  }

  public static class IntSumReducer 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);
    }
  }

  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(TokenizerMapper.class);
    job.setCombinerClass(IntSumReducer.class);
    job.setReducerClass(IntSumReducer.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);
  }
}

2.4 创建 input 

     在当前用户下 创建 input 文件夹，并且进行上传文件 ，均可以右键操作创建和上传！！！

 2.5 运行

2.6 查看结果 

  在DFS LOCATION 上进行 刷新操作，查看 OutPut文件夹下 生成的文件，就可以了！

3.总结

    下篇学习下 NameNode 的 RPC 的 通信原理；