很多hadoop初學者估計都我一樣，由于沒有足夠的機器資源，只能在虛擬機里弄一個linux安裝hadoop的偽分布，然后在host機上win7里使用eclipse或Intellj idea來寫代碼測試，那么問題來了，win7下的eclipse或intellij idea如何遠程提交map/reduce任務到遠程hadoop，并斷點調試？
一、準備工作
1.1 在win7中，找一個目錄，解壓hadoop-2.6.0，本文中是D:/yangjm/Code/study/hadoop/hadoop-2.6.0 (以下用$HADOOP_HOME表示)
1.2 在win7中添加幾個環境變量
HADOOP_HOME=D:/yangjm/Code/study/hadoop/hadoop-2.6.0
HADOOP_BIN_PATH=%HADOOP_HOME%/bin
HADOOP_PREFIX=D:/yangjm/Code/study/hadoop/hadoop-2.6.0
另外，PATH變量在最后追加;%HADOOP_HOME%/bin
二、eclipse遠程調試
1.1 下載hadoop-eclipse-plugin插件
hadoop-eclipse-plugin是一個專門用于eclipse的hadoop插件，可以直接在IDE環境中查看hdfs的目錄和文件內容。其源代碼托管于github上，官網地址是 https://github.com/winghc/hadoop2x-eclipse-plugin
有興趣的可以自己下載源碼編譯，百度一下N多文章，但如果只是使用 https://github.com/winghc/hadoop2x-eclipse-plugin/tree/master/release%20這里已經提供了各種編譯好的版本，直接用就行，將下載后的hadoop-eclipse-plugin-2.6.0.jar復制到eclipse/plugins目錄下，然后重啟eclipse就完事了
1.2 下載windows64位平臺的hadoop2.6插件包(hadoop.dll,winutils.exe)
在hadoop2.6.0源碼的hadoop-common-project/hadoop-common/src/main/winutils下，有一個vs.net工程，編譯這個工程可以得到這一堆文件，輸出的文件中，
hadoop.dll、winutils.exe 這二個最有用，將winutils.exe復制到$HADOOP_HOME/bin目錄，將hadoop.dll復制到%windir%/system32目錄 (主要是防止插件報各種莫名錯誤，比如空對象引用啥的)
注：如果不想編譯，可直接下載編譯好的文件 hadoop2.6(x64)V0.2.rar
1.3 配置hadoop-eclipse-plugin插件
啟動eclipse，windows->show view->other
window->preferences->hadoop map/reduce 指定win7上的hadoop根目錄（即：$HADOOP_HOME）
然后在Map/Reduce Locations 面板中，點擊小象圖標
添加一個Location
這個界面灰常重要，解釋一下幾個參數：
Location name 這里就是起個名字，隨便起
Map/Reduce(V2) Master Host 這里就是虛擬機里hadoop master對應的IP地址，下面的端口對應 hdfs-site.xml里dfs.datanode.ipc.address屬性所指定的端口
DFS Master Port： 這里的端口，對應core-site.xml里fs.defaultFS所指定的端口
最后的user name要跟虛擬機里運行hadoop的用戶名一致，我是用hadoop身份安裝運行hadoop 2.6.0的，所以這里填寫hadoop，如果你是用root安裝的，相應的改成root
這些參數指定好以后，點擊Finish，eclipse就知道如何去連接hadoop了，一切順利的話，在Project Explorer面板中，就能看到hdfs里的目錄和文件了
可以在文件上右擊，選擇刪除試下，通常第一次是不成功的，會提示一堆東西，大意是權限不足之類，原因是當前的win7登錄用戶不是虛擬機里hadoop的運行用戶，解決辦法有很多，比如你可以在win7上新建一個hadoop的管理員用戶，然后切換成hadoop登錄win7，再使用eclipse開發，但是這樣太煩，最簡單的辦法:
hdfs-site.xml里添加
<property> <name>dfs.permissions</name> <value>false</value> </property>
然后在虛擬機里，運行hadoop dfsadmin -safemode leave
保險起見，再來一個 hadoop fs -chmod 777 /
總而言之，就是徹底把hadoop的安全檢測關掉（學習階段不需要這些，正式生產上時，不要這么干），最后重啟hadoop，再到eclipse里，重復剛才的刪除文件操作試下，應該可以了。
1.4 創建WoldCount示例項目
新建一個項目，選擇Map/Reduce Project
后面的Next就行了，然后放一上WodCount.java，代碼如下：
package yjmyzz;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.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.output.FileOutputFormat;import org.apache.hadoop.util.GenericOptionsParser;public class WordCount { public static class TokenizerMapper 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); } } } public static class IntSumReducer 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); } } 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> [<in>...] <out>"); System.exit(2); } Job job = Job.getInstance(conf, "word count"); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); for (int i = 0; i < otherArgs.length - 1; ++i) { FileInputFormat.addInputPath(job, new Path(otherArgs[i])); } FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1])); System.exit(job.waitForCompletion(true) ? 0 : 1); }}然后再放一個log4j.properties，內容如下：（為了方便運行起來后，查看各種輸出）
log4j.rootLogger=INFO, stdout#log4j.logger.org.springframework=INFO#log4j.logger.org.apache.activemq=INFO#log4j.logger.org.apache.activemq.spring=WARN#log4j.logger.org.apache.activemq.store.journal=INFO#log4j.logger.org.activeio.journal=INFOlog4j.appender.stdout=org.apache.log4j.ConsoleAppenderlog4j.appender.stdout.layout=org.apache.log4j.PatternLayoutlog4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} | %-5.5p | %-16.16t | %-32.32c{1} | %-32.32C %4L | %m%n最終的目錄結構如下：
然后可以Run了，當然是不會成功的，因為沒給WordCount輸入參數，參考下圖：
1.5 設置運行參數
因為WordCount是輸入一個文件用于統計單詞字，然后輸出到另一個文件夾下，所以給二個參數，參考上圖，在Program arguments里，輸入
hdfs://172.28.20.xxx:9000/jimmy/input/README.txt
hdfs://172.28.20.xxx:9000/jimmy/output/
大家參考這個改一下(主要是把IP換成自己虛擬機里的IP)，注意的是，如果input/READM.txt文件沒有，請先手動上傳，然后/output/ 必須是不存在的，否則程序運行到最后，發現目標目錄存在，也會報錯，這個弄完后，可以在適當的位置打個斷點，終于可以調試了：
三、intellij idea 遠程調試hadoop
3.1 創建一個maven的WordCount項目
pom文件如下：
<?xml version="1.0" encoding="UTF-8"?><project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd"> <modelVersion>4.0.0</modelVersion> <groupId>yjmyzz</groupId> <artifactId>mapreduce-helloworld</artifactId> <version>1.0-SNAPSHOT</version> <dependencies> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-common</artifactId> <version>2.6.0</version> </dependency> <dependency> <groupId>org.apache.hadoop</groupId> <artifactId>hadoop-mapreduce-client-jobclient</artifactId> <version>2.6.0</version> </dependency> <dependency> <groupId>commons-cli</groupId> <artifactId>commons-cli</artifactId> <version>1.2</version> </dependency> </dependencies> <build> <finalName>${project.artifactId}</finalName> </build></project>項目結構如下：
項目上右擊-》Open Module Settings 或按F12，打開模塊屬性
添加依賴的Libary引用
然后把$HADOOP_HOME下的對應包全導進來
導入的libary可以起個名稱，比如hadoop2.6
3.2 設置運行參數
注意二個地方：
1是Program aguments，這里跟eclipes類似的做法，指定輸入文件和輸出文件夾
2是Working Directory，即工作目錄，指定為$HADOOP_HOME所在目錄
然后就可以調試了
intellij下唯一不爽的，由于沒有類似eclipse的hadoop插件，每次運行完wordcount，下次再要運行時，只能手動命令行刪除output目錄，再行調試。為了解決這個問題，可以將WordCount代碼改進一下，在運行前先刪除output目錄，見下面的代碼：
package yjmyzz;import java.io.IOException;import java.util.StringTokenizer;import org.apache.hadoop.conf.Configuration;import org.apache.hadoop.fs.FileSystem;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.Mapper;import org.apache.hadoop.mapreduce.Reducer;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 class TokenizerMapper 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); } } } public static class IntSumReducer 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); } } /** * 刪除指定目錄 * * @param conf * @param dirPath * @throws IOException */ private static void deleteDir(Configuration conf, String dirPath) throws IOException { FileSystem fs = FileSystem.get(conf); Path targetPath = new Path(dirPath); if (fs.exists(targetPath)) { boolean delResult = fs.delete(targetPath, true); if (delResult) { System.out.println(targetPath + " has been deleted sucessfullly."); } else { System.out.println(targetPath + " deletion failed."); } } } 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> [<in>...] <out>"); System.exit(2); } //先刪除output目錄 deleteDir(conf, otherArgs[otherArgs.length - 1]); Job job = Job.getInstance(conf, "word count"); job.setJarByClass(WordCount.class); job.setMapperClass(TokenizerMapper.class); job.setCombinerClass(IntSumReducer.class); job.setReducerClass(IntSumReducer.class); job.setOutputKeyClass(Text.class); job.setOutputValueClass(IntWritable.class); for (int i = 0; i < otherArgs.length - 1; ++i) { FileInputFormat.addInputPath(job, new Path(otherArgs[i])); } FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1])); System.exit(job.waitForCompletion(true) ? 0 : 1); }}但是光這樣還不夠，在IDE環境中運行時，IDE需要知道去連哪一個hdfs實例（就好象在db開發中，需要在配置xml中指定DataSource一樣的道理），將$HADOOP_HOME/etc/hadoop下的core-site.xml，復制到resouces目錄下，類似下面這樣：
里面的內容如下：
<?xml version="1.0" encoding="UTF-8"?><?xml-stylesheet type="text/xsl" href="configuration.xsl"?><configuration> <property> <name>fs.defaultFS</name> <value>hdfs://172.28.20.***:9000</value> </property></configuration>
上面的IP換成虛擬機里的IP即可。
新聞熱點
疑難解答
