`
samuschen
  • 浏览: 405622 次
  • 性别: Icon_minigender_2
  • 来自: 北京
社区版块
存档分类
最新评论

hadoop 0.20 程式開發

阅读更多
hadoop 0.20 程式開發
eclipse plugin + Makefile

零. 前言

  • 開發hadoop 需要用到許多的物件導向語法,包括繼承關係、介面類別,而且需要匯入正確的classpath,否則寫hadoop程式只是打字練習...
  • 用類 vim 來處理這種複雜的程式,有可能會變成一場惡夢,因此用eclipse開發,搭配mapreduce-plugin會事半功倍。
  • 若繼承練習一的系統,可以直接跳到二、 建立專案 開始

0.1 環境說明

  • ubuntu 8.10
  • sun-java-6
  • eclipse 3.3.2
  • hadoop 0.20.2

0.2 目錄說明

  • 使用者:waue
  • 使用者家目錄: /home/hadooper
  • 專案目錄 : /home/hadooper/workspace
  • hadoop目錄: /opt/hadoop

一、安裝

安裝的部份沒必要都一模一樣,僅提供參考,反正只要安裝好java , hadoop , eclipse,並清楚自己的路徑就可以了

1.1. 安裝java

首先安裝java 基本套件

$ sudo apt-get install java-common sun-java6-bin sun-java6-jdk sun-java6-jre

1.1.1. 安裝sun-java6-doc

 

1 將javadoc (jdk-6u10-docs.zip) 下載下來 下載點

 

2 下載完後將檔案放在 /tmp/ 下

3 執行

 

$ sudo apt-get install sun-java6-doc

1.2. ssh 安裝設定

$ apt-get install ssh 
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ ssh localhost

執行ssh localhost 沒有出現詢問密碼的訊息則無誤

1.3. 安裝hadoop

安裝hadoop0.20到/opt/並取目錄名為hadoop

$ cd ~
$ wget http://apache.ntu.edu.tw/hadoop/core/hadoop-0.20.2/hadoop-0.20.2.tar.gz
$ tar zxvf hadoop-0.20.2.tar.gz
$ sudo mv hadoop-0.20.2 /opt/
$ sudo chown -R waue:waue /opt/hadoop-0.20.2
$ sudo ln -sf /opt/hadoop-0.20.2 /opt/hadoop
  • 編輯 /opt/hadoop/conf/hadoop-env.sh
export 
JAVA_HOME
=
/usr/lib/jvm/java-6-sun
export 
HADOOP_HOME
=
/opt/hadoop
export 
PATH
=
$PATH
:/opt/hadoop/bin
  • 編輯 /opt/hadoop/conf/core-site.xml
<configuration>
  <property>
    <name>fs.default.name</name>
    <value>hdfs://localhost:9000</value>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/tmp/hadoop/hadoop-${
user
.name
}
</value>
  </property>
</configuration>
  • 編輯 /opt/hadoop/conf/hdfs-site.xml
<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>
  • 編輯 /opt/hadoop/conf/mapred-site.xml
<configuration>
  <property>
    <name>mapred.job.tracker</name>
    <value>localhost:9001</value>
  </property>
</configuration>
  • 啟動
    $ cd /opt/hadoop
    $ source /opt/hadoop/conf/hadoop-env.sh
    $ hadoop namenode -format
    $ start-all.sh
    $ hadoop fs -put conf input
    $ hadoop fs -ls 
    
  • 沒有錯誤訊息則代表無誤

1.4. 安裝eclipse

 

  • 在此提供兩個方法來下載檔案
    • 方法一:下載 eclipse SDK 3.4.2 Classic ,並且放這檔案到家目錄
    • 方法二:貼上指令
      $ cd ~
      $ wget http://ftp.cs.pu.edu.tw/pub/eclipse/eclipse/downloads/drops/R-3.4.2-200902111700/eclipse-SDK-3.4.2-linux-gtk.tar.gz
      
  • eclipse 檔已下載到家目錄後,執行下面指令:

 

$ cd ~
$ tar -zxvf eclipse-SDK-3.4.2-linux-gtk.tar.gz
$ sudo mv eclipse /opt
$ sudo ln -sf /opt/eclipse/eclipse /usr/local/bin/

二、 建立專案

2.1 安裝hadoop 的 eclipse plugin

  • 匯入hadoop 0.20.2 eclipse plugin

 

$ cd /opt/hadoop
$ sudo cp /opt/hadoop/contrib/eclipse-plugin/hadoop-0.20.2-eclipse-plugin.jar /opt/eclipse/plugins
$ sudo vim /opt/eclipse/eclipse.ini
  • 可斟酌參考eclipse.ini內容(非必要)

 

-startup
plugins/org.eclipse.equinox.launcher_1.0.101.R34x_v20081125.jar
--launcher.library
plugins/org.eclipse.equinox.launcher.gtk.linux.x86_1.0.101.R34x_v20080805
-showsplash
org.eclipse.platform
--launcher.XXMaxPermSize
512m
-vmargs
-Xms40m
-Xmx512m

2.2 開啟eclipse

  • 打開eclipse

 

$ eclipse &

一開始會出現問你要將工作目錄放在哪裡:在這我們用預設值


PS: 之後的說明則是在eclipse 上的介面操作


2.3 選擇視野

window -> open pers.. -> other.. -> map/reduce


設定要用 Map/Reduce 的視野


使用 Map/Reduce 的視野後的介面呈現


2.4 建立專案

file -> new -> project -> Map/Reduce -> Map/Reduce Project -> next


建立mapreduce專案(1)


建立mapreduce專案的(2)

project name-> 輸入 : icas (
隨意)

use default hadoop -> Configur Hadoop install... -> 輸入: "/opt/hadoop"
 -> ok
Finish


2.5 設定專案

由於剛剛建立了icas這個專案,因此eclipse已經建立了新的專案,出現在左邊視窗,右鍵點選該資料夾,並選properties


Step1. 右鍵點選project的properties做細部設定


Step2. 進入專案的細部設定頁

hadoop的javadoc的設定(1)

  • java Build Path -> Libraries -> hadoop-0.20.2-ant.jar
  • java Build Path -> Libraries -> hadoop-0.20.2-core.jar
  • java Build Path -> Libraries -> hadoop-0.20.2-tools.jar
    • 以 hadoop-0.20.2-core.jar 的設定內容如下,其他依此類推

 

source
 ...-> 輸入:/opt/hadoop/src/core
javadoc ...-> 輸入:file:/opt/hadoop/docs/api/

Step3. hadoop的javadoc的設定完後(2)


Step4. java本身的javadoc的設定(3)

 

  • javadoc location -> 輸入:file:/usr/lib/jvm/java-6-sun/docs/api/


設定完後回到eclipse 主視窗

2.6 連接hadoop server


Step1. 視窗右下角黃色大象圖示"Map/Reduce Locations tag" -> 點選齒輪右邊的藍色大象圖示:


Step2. 進行eclipse 與 hadoop 間的設定(2)

Location Name -> 輸入:hadoop  (
隨意)

Map/Reduce Master -> Host-> 輸入:localhost 
Map/Reduce Master -> Port-> 輸入:9001 
DFS Master -> Host-> 輸入:9000
Finish

設定完後,可以看到下方多了一隻藍色大象,左方展開資料夾也可以秀出在hdfs內的檔案結構


三、 撰寫範例程式

  • 之前在eclipse上已經開了個專案icas,因此這個目錄在:
    • /home/hadooper/workspace/icas
  • 在這個目錄內有兩個資料夾:
    • src : 用來裝程式原始碼
    • bin : 用來裝編譯後的class檔
  • 如此一來原始碼和編譯檔就不會混在一起,對之後產生jar檔會很有幫助
  • 在這我們編輯一個範例程式 : WordCount

3.1 mapper.java

 

  1. new

 

File -> new -> mapper


  1. create

source 
folder-> 輸入: icas/src
Package : Sample
Name -> : mapper

  1. modify

 

package
 Sample;


import
 java.io.IOException
;

import
 java.util.StringTokenizer
;


import
 org.apache.hadoop.io.IntWritable
;

import
 org.apache.hadoop.io.Text
;

import
 org.apache.hadoop.mapreduce.Mapper
;


public
 class
 mapper
 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);

    }

  }

}

建立mapper.java後,貼入程式碼


3.2 reducer.java

  1. new
  • File -> new -> reducer


  1. create

source 
folder-> 輸入: icas/src
Package : Sample
Name -> : reducer

  1. modify

 

package
 Sample;


import
 java.io.IOException
;


import
 org.apache.hadoop.io.IntWritable
;

import
 org.apache.hadoop.io.Text
;

import
 org.apache.hadoop.mapreduce.Reducer
;


public
 class
 reducer
 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);

  }

}

  • File -> new -> Map/Reduce Driver


3.3 WordCount .java (main function)

  1. new

建立WordCount.java,此檔用來驅動mapper 與 reducer,因此選擇 Map/Reduce Driver


  1. create
source 
folder-> 輸入: icas/src
Package : Sample
Name -> : WordCount.java

  1. modify
package
 Sample;


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.lib.input.FileInputFormat
;

import
 org.apache.hadoop.mapreduce.lib.output.FileOutputFormat
;

import
 org.apache.hadoop.util.GenericOptionsParser
;


public
 class
 WordCount
 {


  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
(
mapper.
class
);


    job.
setCombinerClass
(
reducer.
class
);

    job.
setReducerClass
(
reducer.
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
);

  }

}

三個檔完成後並存檔後,整個程式建立完成


  • 三個檔都存檔後,可以看到icas專案下的src,bin都有檔案產生,我們用指令來check

 

$ cd workspace/icas
$ ls src/Sample/
mapper.java  reducer.java  WordCount.java
$ ls bin/Sample/
mapper.class  reducer.class  WordCount.class

四、測試範例程式

 

  • 右鍵點選WordCount.java -> run as -> run on Hadoop

 

五、結論

  • 搭配eclipse ,我們可以更有效率的開發hadoop
  • hadoop 0.20 與之前的版本api以及設定都有些改變,因此hadoop 環境的設定,需要看hadoop 0.20 的quickstart ; 而如何使用 hadoop 0.20 的api,則可以看 /opt/hadoop/src/example/ 裡面的程式碼來提供初步的構想
分享到:
评论

相关推荐

    hadoop-0.20.205.0和hbase-0.90.5,集群和单机 安装配置

    Hadoop是一种能够存储和处理大量数据的分布式计算框架,而HBase则是在Hadoop之上构建的一个分布式列式存储系统。本文将详细介绍如何在三台虚拟机上安装配置Hadoop-0.20.205.0和HBase-0.90.5,包括单机模式和集群模式...

    CentOS下hadoop0.20安装完成版

    hadoop初学者的福音,包含已经安装好hadoop0.20的CentOS7,在vmware下可以直接导入,运行成功;已经配置好的hadoop0.20;windows下用eclipse开发用的插件及对应的eclipse版本;hadoop的入门程序WordCount.java;还有...

    Hadoop 0.20 API CHM

    Hadoop 0.20 API 0.20版本新增加了mapreduce包,性能得到很大提高。

    hadoop 0.20.203.0 api.chm

    hadoop 0.20.203.0 api.chm ,自己手工制作的文档

    Hadoop 0.20.205.0 API 官方CHM版

    Hadoop 0.20.205.0 API 官方CHM版,根据Apache官方文档生成的chm版的文档,绝对原汁原味!

    hadoop-0.20_程式设计.pdf

    - **标题**:“hadoop-0.20_程式设计.pdf” - **描述**:“hadoop-0.20_程式设计.pdf” - **标签**:“hadoo” - **部分内容**:文档介绍了Hadoop 0.20版本中MapReduce的基本概念、设计动机、架构以及实际应用案例。...

    hadoop 0.20.203.0 eclipse插件 修改过的

    加入依赖的 class文件的hadoop eclipse插件,不会再出现异常,大家也可以DIY,网上有简单的教程,只收一个劳务分吧

    hadoop0.20.2使用sqoop必需包

    hadoop使用sqoop-1.2.0-CDH3B4.tar.gz需要将此包的hadoop-core-0.20.2-CDH3B4拷贝到sqoop/lib目录下

    hadoop shell操作与程式开发

    1. **hadoop程式開發.docx**:可能详细介绍了Hadoop程序开发的步骤、最佳实践,或者包含了一些示例代码。 2. **实验.docx**:可能包含了Hadoop相关的实验指导,例如设置Hadoop环境、执行MapReduce任务等,帮助读者...

    hadoop API 帮助文档

    Hadoop 0.20.203.0 API 帮助文档

    hadoop-eclipse-plugin-0.20.203.jar

    hadoop-0.20.203.0的eclipse插件: hadoop-eclipse-plugin-0.20.203.jar

    hadoop mr程序0.20之后版本所需jar包

    从标题“hadoop mr程序0.20之后版本所需jar包”可以看出,这里关注的是Hadoop MapReduce在0.20版本之后的版本,特别是与运行MR(MapReduce)程序相关的JAR包。描述进一步强调了这些JAR包是针对执行MR任务所必需的。...

    新版Hadoop视频教程 段海涛老师Hadoop八天完全攻克Hadoop视频教程 Hadoop开发

    03-流量求和mr程序开发.avi 04-hadoop的自定义排序实现.avi 05-mr程序中自定义分组的实现.avi 06-shuffle机制.avi 07-mr程序的组件全貌.avi 08-textinputformat对切片规划的源码分析.avi 09-倒排索引的mr实现...

    基于Eclipse的Hadoop应用开发环境配置

    基于 Eclipse 的 Hadoop 应用开发环境配置是指在 Eclipse 中配置 Hadoop 开发环境,以便开发和运行 Hadoop 应用程序。本节将对基于 Eclipse 的 Hadoop 应用开发环境配置进行详细介绍。 一、Hadoop 概述 Hadoop 是...

    Hadoop大数据开发基础.rar

    文档为PPT,与百度文库里的Hadoop大数据开发基础为一套,里面内容相对比较基础~可做基础学习资料PPT。 【实例截图】 【核心代码】 Hadoop大数据开发基础-PPT课件 └── 37066-Hadoop大数据开发基础-PPT课件 ├── ...

    hadoop-lzo:Hadoop 0.20的code.google.comhadoop-gpl-compression重构版本

    HadoopLZO Hadoop-LZO是一个将可拆分LZO压缩引入Hadoop项目。 由于LZO具有速度和压缩大小的优点,因此它是Hadoop理想压缩格式。 但是,LZO文件本身不是可拆分的,这意味着作为Hadoop核心的并行性已不复存在。 该项目...

    hadoop开发环境搭建

    ### Hadoop开发环境搭建知识点详解 ...综上所述,通过搭建Hadoop开发环境并使用HadoopEclipse插件,开发者可以更加高效地开发和管理Hadoop程序。这不仅简化了开发流程,还提高了程序的可维护性和扩展性。

Global site tag (gtag.js) - Google Analytics