devbox
Gausst松鼠会
这个屌丝很懒，什么也没留下！
关注作者
热门标签
热门文章
当前位置:   article > 正文

Hadoop伪分布配置与基于Eclipse开发环境搭建_eclipse连接到科大讯飞hadoop伪分布式

作者：Gausst松鼠会 | 2024-03-29 21:46:33

赞

踩

eclipse连接到科大讯飞hadoop伪分布式

目录[-]

1、开发配置环境：

开发环境：Win7（64bit）+Eclipse（kepler service release 2）

配置环境：Ubuntu Server 14.04.1 LTS（64-bit only）

辅助工具：WinSCP + Putty

Hadoop版本：2.5.0

Hadoop的Eclipse开发插件（2.x版本适用）：http://pan.baidu.com/s/1eQy49sm

服务器端JDK版本：OpenJDK7.0

 

以上所有工具请自行下载安装。

2、Hadoop服务端配置（Master节点）

  最近一直在摸索Hadoop2的配置，因为Hadoop2对原有的一些框架API做了调整，但也还是兼容旧版本的（包括配置）。像我这种就喜欢用新的东西的人，当然要尝一下鲜了，现在网上比较少新版本的配置教程，那么下面我就来分享一下我自己的实战经验，如有不正确的地欢迎指正:)。

  假设我们已经成功地安装了Ubuntu Server、OpenJDK、SSH，如果还没有安装的话请先安装，自己网上找一下教程，这里我就说一下SSH的无口令登陆设置。首先通过

       

?
1
   $ ssh localhost


测试一下自己有没有设置好无口令登陆，如果没有设置好，系统将要求你输入密码，通过下面的设置可以实现无口令登陆，具体原理请百度谷歌：

         

?
1
2
$ ssh-keygen -t dsa -P  ''  -f ~/.ssh/id_dsa
$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys


  其次是Hadoop安装（假设已经安装好OpenJDK以及配置好了环境变量），到Hadoop官网下载一个Hadoop2.5.0版本的下来，好像大概有100多M的tar.gz包，下载 下来后自行解压，我的是放在/usr/mywind下面，Hadoop主目录完整路径是/usr/mywind/hadoop，这个路径根据你个人喜好放吧。

  解压完后，打开hadoop主目录下的etc/hadoop/hadoop-env.sh文件，在最后面加入下面内容：

?
1
2
3
4
5
# set to the root of your Java installation
   export JAVA_HOME=/usr/lib/jvm/java- 7 -openjdk-amd64
  
# Assuming your installation directory is /usr/mywind/hadoop
export HADOOP_PREFIX=/usr/mywind/hadoop


为了方便起见，我建设把Hadoop的bin目录及sbin目录也加入到环境变量中，我是直接修改了Ubuntu的/etc/environment文件，内容如下：

?
1
2
3
PATH= "/usr/local/sbin:/usr/local/bin:/usr/sbin:/usr/bin:/sbin:/bin:/usr/games:/usr/local/games:/usr/lib/jvm/java-7-openjdk-amd64/bin:/usr/mywind/hadoop/bin:/usr/mywind/hadoop/sbin"
JAVA_HOME= "/usr/lib/jvm/java-7-openjdk-amd64"
CLASSPATH= ".:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar"


也可以通过修改profile来完成这个设置，看个人习惯咯。假如上面的设置你都完成了，可以在命令行里面测试一下Hadoop命令，如下图：

假如你能看到上面的结果，恭喜你，Hadoop安装完成了。接下来我们可以进行伪分布配置（Hadoop可以在伪分布模式下运行单结点）。

接下来我们要配置的文件有四个，分别是/usr/mywind/hadoop/etc/hadoop目录下的yarn-site.xml、mapred-site.xml、hdfs-site.xml、core-site.xml（注意：这个版本下默认没有yarn-site.xml文件，但有个yarn-site.xml.properties文件，把后缀修改成前者即可），关于yarn新特性可以参考官网或者这个文章http://www.ibm.com/developerworks/cn/opensource/os-cn-hadoop-yarn/。

首先是core-site.xml配置HDFS地址及临时目录（默认的临时目录在重启后会删除）：

?
1
2
3
4
5
6
7
8
9
10
11
12
< configuration >
     < property >
         < name >fs.defaultFS</ name >
         < value >hdfs://192.168.8.184:9000</ value >
          < description >same as fs.default.name</ description >
     </ property >
      < property >
        < name >hadoop.tmp.dir</ name >
        < value >/usr/mywind/tmp</ value >
         < description >A base for other temporary directories.</ description >
      </ property >
</ configuration >


然后是hdfs-site.xml配置集群数量及其他一些可选配置比如NameNode目录、DataNode目录等等：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
< configuration >
      < property >
         < name >dfs.namenode.name.dir</ name >
         < value >/usr/mywind/name</ value >
         < description >same as dfs.name.dir</ description >
      </ property >
      < property >
         < name >dfs.datanode.data.dir</ name >
         < value >/usr/mywind/data</ value >
         < description >same as dfs.data.dir</ description >
      </ property >
      < property >
         < name >dfs.replication</ name >
         < value >1</ value >
         < description >same as old frame,recommend set the value as the cluster DataNode host numbers!</ description >
      </ property >
</ configuration >


接着是mapred-site.xml配置启用yarn框架：

?
1
2
3
4
5
6
< configuration >
     < property >
         < name >mapreduce.framework.name</ name >
         < value >yarn</ value >
     </ property >
</ configuration >


最后是yarn-site.xml配置NodeManager:

?
1
2
3
4
5
6
7
< configuration >
  <!-- Site specific YARN configuration properties --> 
   < property > 
          < name >yarn.nodemanager.aux-services</ name > 
          < value >mapreduce_shuffle</ value > 
   </ property > 
</ configuration >


注意，网上的旧版本教程可能会把value写成mapreduce.shuffle，这个要特别注意一下的，至此我们所有的文件配置都已经完成了，下面进行HDFS文件系统进行格式化：

?
1
2
          
$ hdfs namenode -format


然后启用NameNode及DataNode进程：

?
1
2
        
$ start-yarn.sh


然后创建hdfs文件目录

?
1
2
$ hdfs dfs -mkdir /user
$ hdfs dfs -mkdir /user/a01513


注意，这个a01513是我在Ubuntu上的用户名，最好保持与系统用户名一致，据说不一致会有许多权限等问题，我之前试过改成其他名字，报错，实在麻烦就改成跟系统用户名一致吧。

然后把要测试的输入文件放在文件系统中：

        

?
1
$ hdfs dfs -put /usr/mywind/psa input


文件内容是Hadoop经典的天气例子的数据：

?
1
2
3
4
5
6
7
8
9
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456 + 001212345678903456
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456 + 011212345678903456
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456 + 021212345678903456
12345679867623119010123456798676231190101234567986762311901012345679867623119010123456 + 003212345678903456
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456 + 004212345678903456
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456 + 010212345678903456
12345679867623119010123456798676231190201234567986762311901012345679867623119010123456 + 011212345678903456
12345679867623119010123456798676231190501234567986762311901012345679867623119010123456 + 041212345678903456
12345679867623119010123456798676231190501234567986762311901012345679867623119010123456 + 008212345678903456


把文件拷贝到HDFS目录之后，我们可以通过浏览器查看相关的文件及一些状态：

http://192.168.8.184:50070/

这里的IP地址根据你实际的Hadoop服务器地址啦。

好吧，我们所有的Hadoop后台服务搭建跟数据准备都已经完成了，那么我们的M/R程序也要开始动手写了，不过在写当然先配置开发环境了。

3、基于Eclipse的Hadoop2.x开发环境配置

关于JDK及ECLIPSE的安装我就不再介绍了，相信能玩Hadoop的人对这种配置都已经再熟悉不过了，如果实在不懂建议到谷歌百度去搜索一下教程。假设你已经把Hadoop的Eclipse插件下载下来了，然后解压把jar文件放到Eclipse的plugins文件夹里面：

重启Eclipse即可。

然后我们再安装Hadoop到Win7下，在这不再详细说明，跟安装JDK大同小异，在这个例子中我安装到了E:\hadoop。

启动Eclipse，点击菜单栏的【Windows/窗口】→【Preferences/首选项】→【Hadoop Map/Reduce】,把Hadoop Installation Directory设置成开发机上的Hadoop主目录：

点击OK。

开发环境配置完成，下面我们可以新建一个测试Hadoop项目，右键【NEW/新建】→【Others、其他】，选择Map/Reduce Project

 

输入项目名称点击【Finish/完成】：

创建完成后可以看到如下目录：

然后在SRC下建立下面包及类：

以下是代码内容：

TestMapper.java

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
package  com.my.hadoop.mapper;
  
import  java.io.IOException;
  
import  org.apache.commons.logging.Log;
import  org.apache.commons.logging.LogFactory;
import  org.apache.hadoop.io.IntWritable;
import  org.apache.hadoop.io.LongWritable;
import  org.apache.hadoop.io.Text;
import  org.apache.hadoop.mapred.MapReduceBase;
import  org.apache.hadoop.mapred.Mapper;
import  org.apache.hadoop.mapred.OutputCollector;
import  org.apache.hadoop.mapred.Reporter;
  
public  class  TestMapper  extends  MapReduceBase  implements  Mapper<LongWritable, Text, Text, IntWritable> {
          private  static  final  int  MISSING =  9999 ;
          private  static  final  Log LOG = LogFactory.getLog(TestMapper. class );
  
           public  void  map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output,Reporter reporter)
                throws  IOException {
              String line = value.toString();
              String year = line.substring( 15 ,  19 );
              int  airTemperature;
              if  (line.charAt( 87 ) ==  '+' ) {  // parseInt doesn't like leading plus signs
                airTemperature = Integer.parseInt(line.substring( 88 ,  92 ));
              }  else  {
                airTemperature = Integer.parseInt(line.substring( 87 ,  92 ));
              }
              LOG.info( "loki:" +airTemperature);
              String quality = line.substring( 92 ,  93 );
              LOG.info( "loki2:" +quality);
              if  (airTemperature != MISSING && quality.matches( "[012459]" )) {
                LOG.info( "loki3:" +quality);
                output.collect( new  Text(year),  new  IntWritable(airTemperature));
              }
            }
  
}

TestReducer.java

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
package  com.my.hadoop.reducer;
  
import  java.io.IOException;
import  java.util.Iterator;
  
import  org.apache.hadoop.io.IntWritable;
import  org.apache.hadoop.io.Text;
import  org.apache.hadoop.mapred.MapReduceBase;
import  org.apache.hadoop.mapred.OutputCollector;
import  org.apache.hadoop.mapred.Reporter;
import  org.apache.hadoop.mapred.Reducer;
  
public  class  TestReducer  extends  MapReduceBase  implements  Reducer<Text, IntWritable, Text, IntWritable> {
  
          @Override
            public  void  reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output,Reporter reporter)
                throws  IOException{
              int  maxValue = Integer.MIN_VALUE;
              while  (values.hasNext()) {
                maxValue = Math.max(maxValue, values.next().get());
              }
              output.collect(key,  new  IntWritable(maxValue));
            }
  
}

TestHadoop.java

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
package  com.my.hadoop.test.main;
  
import  org.apache.hadoop.fs.Path;
import  org.apache.hadoop.io.IntWritable;
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  com.my.hadoop.mapper.TestMapper;
import  com.my.hadoop.reducer.TestReducer;
  
public  class  TestHadoop {
         
          public  static  void  main(String[] args)  throws  Exception{
                   
                    if  (args.length !=  2 ) {
                          System.err
                              .println( "Usage: MaxTemperature <input path> <output path>" );
                          System.exit(- 1 );
                        }
                    JobConf job =  new  JobConf(TestHadoop. class );
              job.setJobName( "Max temperature" );
              FileInputFormat.addInputPath(job,  new  Path(args[ 0 ]));
              FileOutputFormat.setOutputPath(job,  new  Path(args[ 1 ]));
              job.setMapperClass(TestMapper. class );
              job.setReducerClass(TestReducer. class );
              job.setOutputKeyClass(Text. class );
              job.setOutputValueClass(IntWritable. class );
              JobClient.runJob(job);
          }
         
}

为了方便对于Hadoop的HDFS文件系统操作，我们可以在Eclipse下面的Map/Reduce Locations窗口与Hadoop建立连接，直接右键新建Hadoop连接即可：

连接配置如下：

然后点击完成即可，新建完成后，我们可以在左侧目录中看到HDFS的文件系统目录：

这里不仅可以显示目录结构，还可以对文件及目录进行删除、新增等操作，非常方便。

 

当上面的工作都做好之后，就可以把这个项目导出来了（导成jar文件放到Hadoop服务器上运行）：

点击完成，然后把这个testt.jar文件上传到Hadoop服务器（192.168.8.184）上，目录（其实可以放到其他目录，你自己喜欢）是：

?
1
/usr/mywind/hadoop/share/hadoop/mapreduce


如下图：

 

4、运行Hadoop程序及查看运行日志

当上面的工作准备好了之后，我们运行自己写的Hadoop程序很简单：

        

?
1
$ hadoop  jar  /usr/mywind/hadoop/share/hadoop/mapreduce/testt.jar com.my.hadoop.test.main.TestHadoop   input  output


注意这是output文件夹名称不能重复哦，假如你执行了一次，在HDFS文件系统下面会自动生成一个output文件夹，第二次运行时，要么把output文件夹先删除（$ hdfs dfs -rmr /user/a01513/output），要么把命令中的output改成其他名称如output1、output2等等。

如果看到以下输出结果，证明你的运行成功了：

?
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
a01513@hadoop :~$ hadoop jar  /usr/mywind/hadoop/share/hadoop/mapreduce/testt .jar                                                                              com.my.hadoop. test .main.TestHadoop input output
14 /09/02  11:14:03 INFO client.RMProxy: Connecting to ResourceManager at  /0 .0.0.0                                                                             :8032
14 /09/02  11:14:04 INFO client.RMProxy: Connecting to ResourceManager at  /0 .0.0.0                                                                             :8032
14 /09/02  11:14:04 WARN mapreduce.JobSubmitter: Hadoop  command -line option parsin                                                                             g not performed. Implement the Tool interface and execute your application with                                                                              ToolRunner to remedy this.
14 /09/02  11:14:04 INFO mapred.FileInputFormat: Total input paths to process : 1
14 /09/02  11:14:04 INFO mapreduce.JobSubmitter: number of splits:2
14 /09/02  11:14:05 INFO mapreduce.JobSubmitter: Submitting tokens  for  job: job_14                                                                             09386620927_0015
14 /09/02  11:14:05 INFO impl.YarnClientImpl: Submitted application application_14                                                                             09386620927_0015
14 /09/02  11:14:05 INFO mapreduce.Job: The url to track the job: http: //hadoop :80                                                                             88 /proxy/application_1409386620927_0015/
14 /09/02  11:14:05 INFO mapreduce.Job: Running job: job_1409386620927_0015
14 /09/02  11:14:12 INFO mapreduce.Job: Job job_1409386620927_0015 running  in  uber mode :  false
14 /09/02  11:14:12 INFO mapreduce.Job:  map 0% reduce 0%
14 /09/02  11:14:21 INFO mapreduce.Job:  map 100% reduce 0%
14 /09/02  11:14:28 INFO mapreduce.Job:  map 100% reduce 100%
14 /09/02  11:14:28 INFO mapreduce.Job: Job job_1409386620927_0015 completed successfully
14 /09/02  11:14:29 INFO mapreduce.Job: Counters: 49
         File System Counters
                 FILE: Number of bytes  read =105
                 FILE: Number of bytes written=289816
                 FILE: Number of  read  operations=0
                 FILE: Number of large  read  operations=0
                 FILE: Number of write operations=0
                 HDFS: Number of bytes  read =1638
                 HDFS: Number of bytes written=10
                 HDFS: Number of  read  operations=9
                 HDFS: Number of large  read  operations=0
                 HDFS: Number of write operations=2
         Job Counters
                 Launched map tasks=2
                 Launched reduce tasks=1
                 Data- local  map tasks=2
                 Total  time  spent by all maps  in  occupied slots (ms)=14817
                 Total  time  spent by all reduces  in  occupied slots (ms)=4500
                 Total  time  spent by all map tasks (ms)=14817
                 Total  time  spent by all reduce tasks (ms)=4500
                 Total vcore-seconds taken by all map tasks=14817
                 Total vcore-seconds taken by all reduce tasks=4500
                 Total megabyte-seconds taken by all map tasks=15172608
                 Total megabyte-seconds taken by all reduce tasks=4608000
         Map-Reduce Framework
                 Map input records=9
                 Map output records=9
                 Map output bytes=81
                 Map output materialized bytes=111
                 Input  split  bytes=208
                 Combine input records=0
                 Combine output records=0
                 Reduce input  groups =1
                 Reduce shuffle bytes=111
                 Reduce input records=9
                 Reduce output records=1
                 Spilled Records=18
                 Shuffled Maps =2
                 Failed Shuffles=0
                 Merged Map outputs=2
                 GC  time  elapsed (ms)=115
                 CPU  time  spent (ms)=1990
                 Physical memory (bytes) snapshot=655314944
                 Virtual memory (bytes) snapshot=2480295936
                 Total committed heap usage (bytes)=466616320
         Shuffle Errors
                 BAD_ID=0
                 CONNECTION=0
                 IO_ERROR=0
                 WRONG_LENGTH=0
                 WRONG_MAP=0
                 WRONG_REDUCE=0
         File Input Format Counters
                 Bytes Read=1430
         File Output Format Counters
                 Bytes Written=10
a01513@hadoop :~$

 

我们可以到Eclipse查看输出的结果：

或者用命令行查看：

        

?
1
2
  
$ hdfs dfs - cat  output /part-00000


假如你们发现运行后结果是为空的，可能到日志目录查找相应的log.info输出信息，log目录在：/usr/mywind/hadoop/logs/userlogs 下面。

 

好了，不太喜欢打字，以上就是整个过程了，欢迎大家来学习指正。
声明：本文内容由网友自发贡献，不代表【wpsshop博客】立场，版权归原作者所有，本站不承担相应法律责任。如您发现有侵权的内容，请联系我们。转载请注明出处：https://www.wpsshop.cn/w/Gausst松鼠会/article/detail/337566
推荐阅读
相关标签

Copyright © 2003-2013 www.wpsshop.cn 版权所有，并保留所有权利。

  

闽ICP备14008679号