继续研究hadoop,有童鞋问我,为啥不接着写hive的文章了,原因主要是时间不够,我对hive的研究基本结束,现在主要是hdfs和mapreduce,能写文章的时间也不多,只有周末才有时间写文章,所以最近的文章都是写hdfs和mapreduce。不过hive是建立在hdfs和mapreduce之上,研究好hdfs和mapreduce也是真正用好hive的前提。 今天的内容是mapreduce,经过这么长时间的学习,我对hadoop的相关技术理解更加深入了,这回我会尽全力讲解好mapreduce。 第一篇文件时研究mapreduce前的准本工作。 研究hadoop的准备工作 要研究好hadoop,一定得有个完善的开发环境(对任何编程技术都是这样的,因为it技术是一个实践技术,光看书是很难对it技术有深入的理解)。我现在为自己建立的开发环境包括: 在公司 用4台服务器搭建了一个hadoop集群,里面装好了hdfs,mapreduce,hive和hbase,工作机上为eclipse安装了mapreduce插件,可以在本地开发mapreduce程序,执行时候可以远程调用搭建好的hadoop集群(缺憾是远程调试没有部署好,但是我觉得大部分开发使用本地调试就足够)。Hadoop集群的安装,博客园里虾皮的博客写的十分全面,这里我就不在累述了,贴出虾皮博文的地址: http://www.cnblogs.com/xia520pi/archive/2012/05/16/2503949.html 至于eclipse插件的问题,我在后面会做详细论述。 在我自己笔记本里 在window7系统下安装了一个hadoop伪分布式的集群,不过这个集群不太好,非常慢,可能是我电脑配置太低了,伪分布式的安装我就不做描述了,实际意义不大,因为我觉得要是真想研究hadoop还是使用linux安装真实集群比较好,不过根据我个人实践伪分布式安装我碰到的问题最多,如果有些童鞋想在windows下安装个伪分布式系统玩玩,碰到啥问题不知道怎么解决,可以加入我建立的QQ群,我有空会在群里解答。在我自己电脑里我也安装了eclipse插件,连接本地伪分布式集群。 Hadoop的eclipse插件的制作 这里我要重点讲讲hadoop的eclipse插件的制作。我最早安装hadoop的eclipse插件时候是从网上下载的,当时我搭建集群上使用的hadoop版本是1.0.4,下载到的插件式1.0版本以下,安装到eclipse里面后没办法正常使用,因此我研究了下hadoop的eclipse插件生成的技术,下面我就阐述如何制作hadoop的eclipse插件。 Hadoop的eclipse插件包含在hadoop的安装包(这个安装包是指包含源程序的安装包,不是指二进制的安装包),如下图所示: 大家解压程序后,找到下面的文件夹,我的笔记本里路径是: E:\hadooptest\hadoop-1.1.2\src\contrib\eclipse-plugin 这下面放的就是eclipse插件的相关程序。 制作eclipse插件前我们要确认自己电脑是不是安装了jdk,jdk的版本一定要1.6以上,还要安装ant,这两个都安装好后就可以开始制作eclipse插件了。 首先要改下相关的配置文件: 第一个配置文件: E:\hadooptest\hadoop-1.1.2\src\contrib\eclipse-plugin\build.xml 在<target name="jar" depends="compile" unless="skip.contrib">下面加入: <copy file="${hadoop.root}/lib/commons-configuration-1.6.jar" todir="${build.dir}/lib" verbose="true"/> <copy file="${hadoop.root}/lib/commons-lang-2.4.jar" todir="${build.dir}/lib" verbose="true"/> <copy file="${hadoop.root}/lib/jackson-core-asl-1.8.8.jar" todir="${build.dir}/lib" verbose="true"/> <copy file="${hadoop.root}/lib/jackson-mapper-asl-1.8.8.jar" todir="${build.dir}/lib" verbose="true"/> <copy file="${hadoop.root}/lib/commons-httpclient-3.0.1.jar" todir="${build.dir}/lib" verbose="true"/> 在build.xml文件里我们发现,它还依赖:E:\hadooptest\hadoop-1.1.2\src\contrib\ build-contrib.xml文件,在该文件里我们也要做相应的修改,这个修改很简单,修改这个配置即可: <property name="hadoop.root" location="E:/hadooptest/hadoop-1.1.2"/> Location指向你本地安装的hadoop路径。 还有个文件要做相应的修改,文件路径是: E:\hadooptest\hadoop-1.1.2\src\contrib\eclipse-plugin\META-INF\MANIFEST.MF, 修改的选项是Bundle-ClassPath:下面的内容,我的修改是: Bundle-ClassPath: classes/,lib/hadoop-core-1.1.2.jar,lib/commons-cli-1.2.jar,commons-configuration-1.6.jar,commons-lang-2.4.jar,jackson-core-asl-1.8.8.jar,jackson-mapper-asl-1.8.8.jar,commons-httpclient-3.0.1.jar 这样所有的配置都配好了,下面我们使用ant命令来生成eclipse插件,首先我们要打开命令行的操作界面,使用cmd开启,如果将路径定位到E:\hadooptest\hadoop-1.1.2\src\contrib\eclipse-plugin\,输入如下命令: ant –Declipse-home= E:\work\eclipse-jee-juno-win32\eclipse -Dversion=1.1.2 运行成功后,就会在 E:\hadooptest\hadoop-1.1.2\src\contrib\eclipse-plugin目录下生成eclipse插件的jar包,我们将生成的jar包复制到E:\work\eclipse-jee-juno-win32\eclipse\plugins文件夹下,重新启动eclipse,插件就安装成功了,该插件的目的是本地编写的mapreduce程序可以远程调用集群上的hadoop应用,下面是我安装好的eclipse插件的界面: 图片一:
图片二:
生成时候要注意的问题:
Eclipse开发环境读取源码的方式 It行业的竞争越来越激烈,it公司对程序员的要求也越来越高,很多公司重要岗位都要求程序员研究过某某程序的源码,但是我们专门去读源码其实是一件很困难的事情,除非你对这个框架使用极其熟悉,要不一定是越看越迷糊,越看越没信心,如果我们可以把学习某个框架编程同时也能读读源码的程序,这样操作一定会对你的学习事半功倍。 下面我将我的一个经验贴出来,这个方式很简单,很多人都使用到,但是可能都没留意,具体如下: 首先我建一个工程JavaJar,如图所示: 代码如下: package cn.com.jar; import java.util.StringTokenizer; public class StringJar { public String line; public StringJar(String line) { super(); this.line = line; } public String testftn(){ String strs = null; StringTokenizer st = new StringTokenizer(line); while(st.hasMoreElements()){ strs += st.nextToken() + "@!@"; } return strs; } public static void main(String[] args) { StringJar jar = new StringJar("I am XXX hello world"); System.out.println(jar.testftn()); } } 然后我将工程编译成一个jar包,如图所示: 下面,我再建一个工程:testprj,导入该jar包,如图所示: 我们编写测试程序,如下所示: package cn.com.test; import cn.com.jar.StringJar; public class TestMain { /** * @param args */ public static void main(String[] args) { StringJar jar = new StringJar("I am XXX hello world"); System.out.println(jar.testftn()); } } 下面我将StringJar类移入到testprj工程,如图所示: 我们在程序里设置断点,再debug运行程序,我们会发现,断点进入了。 由上面的现象给我一个启示,我们使用插件编写mapreduce程序时候,如果我们对某些代码感兴趣,就把源码放到工程里,可以有针对的进行调试。当然有些童鞋会说把源码直接导入到eclipse里面,不是全有了吗?我觉得那样做法不是太清晰,有针对的放入源码能缩小我们学习的范围,更有针对性。 此外,hadoop远程调用时候很容易会不能正常运行,这个时候需要更改源码,如果我们没有上面的方式,那么我们就必须重新编译hadoop-core-XXX.jar包,这就增加了操作难度,那么上面的操作方式会给我们带来便利,例如下图所示: 红框里面就是我注释的代码。 好了,早上的文章写完了,下午我将详细讲解我对mapreduce的理解。
|
|
来自: Y赫尔 > 《夏天的森林-项目经验》