Eclipse连接Hadoop集群和WordCount实战

原创

挖掘大数据

发布于 2017-12-20 17:40:46

2.3K0

发布于 2017-12-20 17:40:46

文章被收录于专栏：挖掘大数据

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 hadoop

3、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 Administrator

4）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%n