其实很简单,只要配置正确,就行
直接给代码吧
package com.younglibin.hadoop; import java.io.IOException; import org.apache.hadoop.conf.Configuration; import org.apache.hadoop.fs.FSDataInputStream; import org.apache.hadoop.fs.FSDataOutputStream; import org.apache.hadoop.fs.FileStatus; import org.apache.hadoop.fs.FileSystem; import org.apache.hadoop.fs.Path; public class HDFSystem { public static void uploadLocalFile2HDFS(Configuration config, String localFile, String remoteFile) throws IOException { FileSystem hdfs = FileSystem.get(config); Path src = new Path(localFile); Path dst = new Path(remoteFile); hdfs.copyFromLocalFile(src, dst); hdfs.close(); } public static void createNewHDFSFile(String toCreateFilePath, String content) throws IOException { Configuration config = new Configuration(); FileSystem hdfs = FileSystem.get(config); FSDataOutputStream os = hdfs.create(new Path(toCreateFilePath)); os.write(content.getBytes("UTF-8")); os.close(); hdfs.close(); } public static boolean deleteHDFSFile(String dst) throws IOException { Configuration config = new Configuration(); FileSystem hdfs = FileSystem.get(config); Path path = new Path(dst); boolean isDeleted = hdfs.delete(path); hdfs.close(); return isDeleted; } public static byte[] readHDFSFile(String dst) throws Exception { Configuration conf = new Configuration(); FileSystem fs = FileSystem.get(conf); // check if the file exists Path path = new Path(dst); if (fs.exists(path)) { FSDataInputStream is = fs.open(path); // get the file info to create the buffer FileStatus stat = fs.getFileStatus(path); // create the buffer byte[] buffer = new byte[Integer.parseInt(String.valueOf(stat .getLen()))]; is.readFully(0, buffer); is.close(); fs.close(); return buffer; } else { throw new Exception("the file is not found ."); } } }
下边还是原来的 wordcount程序,改造了一下,每次执行的 本地文件,其实 也就是现将本文件上传到服务器上,让后再执行
注意上传文件的时候添加了 conf.set("fs.default.name", "hdfs://172.16.236.11:9000"); 这句话 ,否则出现 找不到文件的问题 参考:http://www.cnblogs.com/bingofworld/archive/2013/06/09/3129299.html
Hadoop HDFS Wrong FS: hdfs:/ expected file:///
看代码吧:
public static void main(String[] args) throws Exception { File jarFile = EJob.createTempJar("bin"); EJob.addClasspath("/home/libin/software/hadoop/hadoop-1.2.1/conf"); ClassLoader classLoader = EJob.getClassLoader(); Thread.currentThread().setContextClassLoader(classLoader); Configuration conf = new Configuration(); conf.set("mapred.job.tracker", "172.16.236.11:9001"); conf.set("fs.default.name", "hdfs://172.16.236.11:9000"); String fileName = "local"; HDFSystem.uploadLocalFile2HDFS(conf, new File(fileName).getAbsolutePath(), "hdfs://172.16.236.11:9000/user/libin/input/" + fileName); args = new String[] { "/user/libin/input/" + fileName, "/user/libin/output/wordcount" + System.currentTimeMillis() }; 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); ((JobConf) job.getConfiguration()).setJar(jarFile.toString()); 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("hdfs://172.16.236.11:9000" + File.separator + otherArgs[0])); FileOutputFormat.setOutputPath(job, new Path( "hdfs://172.16.236.11:9000" + File.separator + otherArgs[1])); System.exit(job.waitForCompletion(true) ? 0 : 1); }
相关推荐
经过上一步骤,左侧“Project Explorer”中应该会出现配置好的 HDFS,点击右键,可以进行新建文件夹、删除文件夹、上传文件、下载文件、删除文件等操作。注意:每一次操作完在 Eclipse 中不能马上显示变化,必须得...
5. **安装与使用**:用户需要将对应的Hadoop-Eclipse插件JAR文件添加到Eclipse的plugins目录下,然后重启Eclipse即可。在新建项目时选择Hadoop相关模板,即可开始进行Hadoop开发。 6. **最佳实践**: - 选择与目标...
这些文件"hadop-eclipse-plugin-2.5.2.jar"、"hadoop-eclipse-plugin-2.6.0.jar"和"hadoop-eclipse-plugin-2.6.5.jar"分别对应Hadoop的2.5.2、2.6.0和2.6.5版本的插件。 **Hadoop核心组件:** 1. **HDFS(Hadoop ...
通过将插件文件放入Eclipse的plugins目录下,并重启Eclipse,用户就可以享受到便捷的开发体验。这个过程简单快捷,大大提高了开发效率。 安装完成后,开发者可以利用插件创建新的MapReduce项目,直接在Eclipse中...
标题 "Eclipse 操作 Hadoop 插件" 涉及到的是在集成开发环境 Eclipse 中使用特定插件来管理并操作 Hadoop 分布式文件系统(HDFS)的技能。这一插件允许开发者直接在 Eclipse 中进行 Hadoop 文件系统的交互,而无需...
要在Eclipse中使用Hadoop-Eclipse-Plugin,通常需要先将插件JAR文件添加到Eclipse的插件目录,然后重启Eclipse。接着,需要配置Hadoop的集群信息,包括NameNode和JobTracker的地址,以便插件能够正确连接到Hadoop...
- **资源管理**:可以直接在Eclipse中浏览HDFS上的文件和目录,上传/下载资源。 - **任务提交**:通过插件可以便捷地将MapReduce任务提交到运行中的Hadoop集群。 - **日志查看**:集成JobTracker的监控功能,查看...
4. **lib**:这个目录包含了插件运行所依赖的库文件,如Hadoop的相关jar包,这些jar包使得Eclipse能够理解Hadoop相关的API,从而支持MapReduce程序的开发和调试。 5. **classes**:这个目录通常包含了编译后的Java...
3. **编译与构建**:插件能够自动编译MapReduce程序,并将其打包成JAR文件,便于上传到Hadoop集群。 4. **运行与调试**:可以直接在Eclipse内提交MapReduce作业到Hadoop集群,进行本地或远程运行和调试。可以设置...
2. **资源管理器视图**:插件提供了一个HDFS资源管理器视图,允许开发者直接在Eclipse中浏览和操作Hadoop分布式文件系统,包括上传、下载、删除文件等操作。 3. **作业提交**:开发者可以直接在Eclipse中编译、打包...
7. **文件名称列表"eclipse开发hadoop项目相关插件"**:这个文件可能包含了Eclipse中用于开发Hadoop项目的插件安装包或者相关配置文件,用户需要将其解压并按照上述步骤进行安装或导入到Eclipse中。 总之,通过上述...
3. **作业提交**:开发者可以直接在Eclipse中提交MapReduce作业到Hadoop集群,减少了在命令行之间切换的繁琐步骤。 4. **日志查看**:插件集成了Hadoop作业的日志查看功能,开发者可以实时监控作业执行情况,定位并...
在用eclipse 搭建hadoop插件时,apache不会提供插件,插件必须自己编译并且声称jar包。...复制D:\hadoop-1.1.2\contrib\eclipse-plugin\hadoop-eclipse-plugin-1.1.2.jar 到 eclipse安装目录/plugins/ 下。
新建 word.txt 文件,通过 Hadoop 的命令在 HDFS 上创建/tmp/wordcount 目录,然后 copyFromLocal 命令把本地的 word.txt 复制到 HDFS 上。 8. 运行项目 在新建的项目 Hadoop 中,点击 WordCount.java,右键-->Run...
5. **资源管理**:开发者可以通过插件方便地管理HDFS上的文件,如上传、下载、查看文件内容等,大大提高了开发效率。 6. **日志查看**:对于运行结果,插件可以展示MapReduce任务的输出和错误日志,有助于问题定位...
在实际操作中,要启用这个插件,你需要将`hadoop-eclipse-plugin-2.7.4.jar`文件复制到Eclipse的安装目录下的`dropins`文件夹内。这个`dropins`目录是Eclipse用来自动加载插件的地方,当你把插件的JAR文件放在这里,...
2. **资源管理**:可以直观地查看和管理HDFS(Hadoop Distributed File System)中的文件和目录,包括上传、下载、删除等操作,无需借助命令行工具。 3. **作业调试**:插件支持MapReduce任务的本地运行和远程提交...
通过这个插件,开发者可以将Hadoop集群视为本地文件系统,便于进行文件上传、下载以及任务提交等操作,极大地提高了开发效率。 2.8.3版本的Hadoop Eclipse Plugin是对Hadoop 2.x系列的适配,支持HDFS和YARN,这是...
3. **资源管理**:允许用户在Eclipse界面内管理Hadoop集群上的文件系统,包括上传、下载、删除文件或目录,便于数据的预处理和测试。 4. **作业提交**:能够直接从Eclipse提交MapReduce作业到Hadoop集群,减少了...
通过这个插件,开发者可以直接在Eclipse中创建、编辑、上传和管理HDFS上的文件,以及对Hadoop集群进行调试,极大地提升了开发效率。 1. **插件版本兼容性**: 描述中提到了三个版本,分别是2.2.0、2.4.1和2.6.0。...