win32下开发hadoop应用程序(二)

(2)在Eclipse中配置开发hadoop程序，下载hadoop-0.20.2-cdh3u1.tar.gz。

·         Step1. 在eclipse中，新建一个Java 项目，填入Project name，在Contents中，选择 “Create project from existing source”，在 Browse… 中选择hadoop的目录，点击“Next > ”。

 

·         Step2. 在Java Build Path面板，建议把Source folders全部移除，在Default output folder中，重新输入output目录，因为hadoop的 bin 目录是存放linux脚本的，这里可以指定一个hadoop-0.xx.xx/output目录。点击“OK”。

 

·         Step3. 在Package Explorer中，右击项目名，选择“build path”，选择“configuration build path”，在source folder中，选择以下目录作为source folder：

Hadoop-0.xx.xx/conf

Hadoop-0.xx.xx/src/core

Hadoop-0.xx.xx/src/hdfs

Hadoop-0.xx.xx/src/mapred

 

·         Step4. 此时eclipse会编译source folder 的源码，目前一般高版本的hadoop，只差了一个ant.jar，这个包就是ant 的主要jar包。可以到 http://ant.apache.org/bindownload.cgi 下载到。并加到classpath 的 Libraries中。

 

·         Step5. 如果一切顺利，接下来配置 conf/ 下的 core-site.xml hdfs-site.xml mapred-site.xml 三个配置文件，在core-site.xml中加入（端口可以自己定义）：

<property>

            <name>fs.default.name</name>

            <value>hdfs://localhost:9000</value>

            </property>

 

      <property>

            <name>mapred.job.tracker</name>

            <value>localhost:9001</value>

      </property>

 

另外，在本地配置一个目录存放namenode 的 metadata ，另一个目录存放 datanode的 block。 用于配置hdfs-site.xml：

<property>

       <name>dfs.name.dir</name>

       <value>E:/namespace/dfs/metadata</value>

    </property>

 

    <property>

       <name>dfs.data.dir</name>

       <value>E:/sde/hadoop/data</value>

    </property>

 

    <property>

       <name>dfs.replication</name>

       <value>1</value>

    </property>

 

接下来，在mapred-site.xml中，加入：

<property>

               <name>mapred.job.tracker</name>

               <value>localhost:9001</value>

</property>

 

注：有关Tasktracker，和Datanode 的端口无需配置，这两个节点相对于Jobtracker和 namennode是客户端，RPC的端口是自动分配的。也就是我们说的控制端口，另外传输通信端口，请阅读 hdfs-default.xml 和 mapred-default.xml配置文件。

 

·         Step6. 启动hadoop的步骤是先启动HDFS，然后再启动mapred，原则是先启动主节点，再启动子节点。

启动namenode，namenode的主main入口在org.apache.hadoop.hdfs.server.namenode包下，类名为NameNode.java ，找到main函数，在第一行添加：

argv = new String[]{"-format"};

代码，然后运行该类，正常情况下，会输出metadata目录的格式化信息。接着，注释掉刚才添加的代码，重新运行该类。

 

·         Step7. 启动datanode，datanode的主main入口在 org.apache.hadoop.hdfs.server.datanode包下，类名为 DataNode.java，找到main函数，该类，直接运行。

 

·         Step8. 启动 JobTracker，该类位于org.apache.hadoop.mapred.JobTracker，在启动之前，找到main方法，在main方法的第一行加入：

System.setProperty(“hadoop.log.dir”, “$HADOOP_DIR/logs”);

$HADOOP_DIR为您本机的hadoop目录。由于hadoop默认是shell脚本启动的，因

此Hadoop.log.dir 是在shell 中配置的。

 

·         Step9. 启动 TaskTracker，该类位于org.apache.hadoop.mapred.TaskTracker，直接运行。

 

注：我们已经成功启动了四个进程，如果您需要，可以启动SecondaryNameNode，该类位于org.apache.hadoop.hdfs.server.namenode包，但考虑到内存占用情况，一般该节点无需启动。

 

·         Step10. Hadoop的 命令行调用的类，在core包中的 org.apache.hadoop.fs中可以找到，类名为FsShell.java，举个简单的例子，如果需要查看Hdfs的根目录文件，那么在FsShell的main函数中，添加 args = new String[]{“-ls”, “/”};代码，然后运行该类即可。

 

在mapreduce方面，可以使用org.apache.hadoop.mapred.JobClient提交任务。