一 插件配置 1 将插件hadoop-eclipse-plugin-2.7.3.jar放入到D:\Program\eclipse-mars\eclipse\plugins目录下。 2 重启eclipse，会发现Prefernces中多一个Hadoop Map/Reduce插件。 3 在windows下安装Hadoop 下载https://mirrors.cnnic.cn/apache/hadoop/core/hadoop-2.7.4/hadoop-2.7.4.tar.gz 注意：该Hadoop的版本和Linux的Hadoop的版本保持一致。 将hadoop-2.7.4.tar.gz解压到D:\Program\hadoop-2.7.4目录下。 4 相关文件替换 在https://github.com/SweetInk/hadoop-common-2.7.1-bin中下载winutils.exe,libwinutils.lib 拷贝到%HADOOP_HOME%\bin目录 。 在https://github.com/SweetInk/hadoop-common-2.7.1-bin中下载hadoop.dll，并拷贝到c:\windows\system32目录中。 5 配置widows下的环境变量
6 在elipse中配置hadoop的安装路径，截图如下：
7 选择windows->show view->other，然后按照下面截图操作
8 在elipse下配置hadoop
这里的8020和core-site.xml保持一致。
9 连接成功后elipse呈现如下截图
注意：为了防止连接失败，有3个点需要注意 第1点：配置etc\hostname，配置如下 centos 第2点：配置etc\hosts，配置如下 127.0.0.1 localhost localhost.localdomain localhost4 localhost4.localdomain4 ::1 localhost localhost.localdomain localhost6 localhost6.localdomain6 192.168.0.102 centos 第3点：配置core-site.xml，配置如下 fs.defaultFS hdfs://centos:8020
二 关闭Linux上的YARN，修改为在windows本地运行 [root@master sbin]# ./stop-yarn.sh stopping yarn daemons stopping resourcemanager 127.0.0.1: \S 127.0.0.1: Kernel \r on an \m 127.0.0.1: stopping nodemanager no proxyserver to stop [root@master sbin]# jps 4912 NameNode 6064 Jps 5195 SecondaryNameNode 5038 DataNode
三 优化MapReduce程序
package com.cakin.mapreduce.wc; import java.io.IOException; 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.Mapper.Context; import org.apache.hadoop.mapreduce.lib.input.FileInputFormat; import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat; public class WordcountApp { public static class MyMapper extends Mapper<LongWritable, Text, Text, IntWritable> { /** * map阶段的业务逻辑处理就写在map()方法中 * maptask会对每一行输入数据调用一次我们自定义的map()方法 * @throws InterruptedException */ private Text word = new Text(); private IntWritable one = new IntWritable(1); @Override protected void map(LongWritable key,Text value,Context context) throws IOException, InterruptedException{ //将maptask传递给我们的文本内容先转换成string String line=value.toString(); //按照空格行切割单词 String[] words=line.split(" "); //将单词输出为<单词，1> for(String w:words) { word.set(w); //将单词作为key，将次数1作为Value，以便于后续的数据分发，可以根据单词分发，以便于相同单词会到相同的reduce task context.write(word,one); } } } public static class MyReducer extends Reducer<Text, IntWritable, Text, IntWritable> { /** * <angel,1> <angel,1> <angel,1> <angel,1> <angel,1> * <hello,1> <hello,1> <hello,1> <hello,1> <hello,1> <hello,1> * <banana,1> <banana,1> <banana,1> <banana,1> <banana,1> <banana,1> * 入参key：是一组单词的kv对应的key,将相同单词的一组传递，如此时key是hello，那么参数二是一个迭代器，一组数 * @throws InterruptedException * @throws IOException */ private IntWritable sum= new IntWritable(); @Override protected void reduce(Text key,Iterable<IntWritable> values ,Context context) throws IOException, InterruptedException { int count=0; /** Iterator<IntWritable> iterator=values.iterator(); while(iterator.hasNext()) { count+=iterator.next().get(); } */ for(IntWritable value:values) { count+=value.get(); } sum.set(count); context.write(key, sum); } } public static void main(String[] args) throws IllegalArgumentException, IOException, ClassNotFoundException, InterruptedException { if(args.length <2) { args= new String[]{ "hdfs://192.168.0.102:8020/input", "hdfs://192.168.0.102:8020/output1" }; } Configuration conf=new Configuration(); /* * 集群中节点都有配置文件 conf.set("mapreduce.framework.name.", "yarn"); conf.set("yarn.resourcemanager.hostname", "mini1"); */ Job job=Job.getInstance(conf); //jar包在哪里,现在在客户端，传递参数 //任意运行，类加载器知道这个类的路径，就可以知道jar包所在的本地路径 job.setJarByClass(WordcountApp.class); //指定本业务job要使用的mapper/Reducer业务类 job.setMapperClass(MyMapper.class); job.setReducerClass(MyReducer.class); //指定mapper输出数据的kv类型 job.setMapOutputKeyClass(Text.class); job.setMapOutputValueClass(IntWritable.class); //指定最终输出的数据kv类型 job.setOutputKeyClass(Text.class); job.setOutputKeyClass(IntWritable.class); //指定job的输入原始文件所在目录 FileInputFormat.setInputPaths(job, new Path(args[0])); //指定job的输出结果所在目录 FileOutputFormat.setOutputPath(job, new Path(args[1])); //将job中配置的相关参数及job所用的java类在的jar包，提交给yarn去运行 //提交之后，此时客户端代码就执行完毕，退出 //job.submit(); //等集群返回结果在退出 boolean res=job.waitForCompletion(true); System.exit(res?0:1); //类似于shell中的$？ }}
四 MapReduce运行结果
五参考文档 http://www.jikexueyuan.com/course/2686.html http://www.jikexueyuan.com/course/2116.html https://www.cnblogs.com/supiaopiao/p/7240308.html http://blog.csdn.net/fly_leopard/article/details/51250443 http://blog.csdn.net/yunlong34574/article/details/21331927 http://blog.csdn.net/xiaoxiao315/article/details/72920705 http://blog.csdn.net/kangkangwanwan/article/details/78491242?locationNum=4&fps=1
