很多hadoop初学者估计都我一样,由于没有足够的机器资源,只能在虚拟机里弄一个linux安装hadoop的伪分布,然后在host机上win7里使用eclipse或Intellj idea来写代码测试,那么问题来了,win7下的eclipse或intellij idea如何远程提交map/reduce任务到远程hadoop,并断点调试? 一、准备工作 1.1 在win7中,找一个目录,解压hadoop-2.6.0,本文中是D:\yangjm\Code\study\hadoop\hadoop-2.6.0 (以下用$HADOOP_HOME表示) 1.2 在win7中添加几个环境变量 HADOOP_HOME=D:\yangjm\Code\study\hadoop\hadoop-2.6.0 HADOOP_BIN_PATH=%HADOOP_HOME%\bin HADOOP_PREFIX=D:\yangjm\Code\study\hadoop\hadoop-2.6.0 另外,PATH变量在最后追加;%HADOOP_HOME%\bin 二、eclipse远程调试 1.1 下载hadoop-eclipse-plugin插件 hadoop-eclipse-plugin是一个专门用于eclipse的hadoop插件,可以直接在IDE环境中查看hdfs的目录和文件内容。其源代码托管于github上,官网地址是 https://github.com/winghc/hadoop2x-eclipse-plugin 有兴趣的可以自己下载源码编译,百度一下N多文章,但如果只是使用 https://github.com/winghc/hadoop2x-eclipse-plugin/tree/master/release%20 这里已经提供了各种编译好的版本,直接用就行,将下载后的hadoop-eclipse-plugin-2.6.0.jar复制到eclipse/plugins目录下,然后重启eclipse就完事了 1.2 下载windows64位平台的hadoop2.6插件包(hadoop.dll,winutils.exe) 在hadoop2.6.0源码的hadoop-common-project\hadoop-common\src\main\winutils下,有一个vs.net工程,编译这个工程可以得到这一堆文件,输出的文件中, hadoop.dll、winutils.exe 这二个最有用,将winutils.exe复制到$HADOOP_HOME\bin目录,将hadoop.dll复制到%windir%\system32目录 (主要是防止插件报各种莫名错误,比如空对象引用啥的) 注:如果不想编译,可直接下载编译好的文件 hadoop2.6(x64)V0.2.zip 1.3 配置hadoop-eclipse-plugin插件 启动eclipse,windows->show view->other window->preferences->hadoop map/reduce 指定win7上的hadoop根目录(即:$HADOOP_HOME) 然后在Map/Reduce Locations 面板中,点击小象图标 添加一个Location 这个界面灰常重要,解释一下几个参数: Location name 这里就是起个名字,随便起 Map/Reduce(V2) Master Host 这里就是虚拟机里hadoop master对应的IP地址,下面的端口对应 hdfs-site.xml里dfs.datanode.ipc.address属性所指定的端口 DFS Master Port: 这里的端口,对应core-site.xml里fs.defaultFS所指定的端口 最后的user name要跟虚拟机里运行hadoop的用户名一致,我是用hadoop身份安装运行hadoop 2.6.0的,所以这里填写hadoop,如果你是用root安装的,相应的改成root 这些参数指定好以后,点击Finish,eclipse就知道如何去连接hadoop了,一切顺利的话,在Project Explorer面板中,就能看到hdfs里的目录和文件了 可以在文件上右击,选择删除试下,通常第一次是不成功的,会提示一堆东西,大意是权限不足之类,原因是当前的win7登录用户不是虚拟机里hadoop的运行用户,解决办法有很多,比如你可以在win7上新建一个hadoop的管理员用户,然后切换成hadoop登录win7,再使用eclipse开发,但是这样太烦,最简单的办法: hdfs-site.xml里添加 1 <property> 2 <name>dfs.permissions</name> 3 <value>false</value> 4 </property> 然后在虚拟机里,运行hadoop dfsadmin -safemode leave 保险起见,再来一个 hadoop fs -chmod 777 / 总而言之,就是彻底把hadoop的安全检测关掉(学习阶段不需要这些,正式生产上时,不要这么干),最后重启hadoop,再到eclipse里,重复刚才的删除文件操作试下,应该可以了。 1.4 创建WoldCount示例项目 新建一个项目,选择Map/Reduce Project
后面的Next就行了,然后放一上WodCount.java,代码如下:
View Code 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 ); } } 然后再放一个log4j.properties,内容如下:(为了方便运行起来后,查看各种输出)
View Code 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=INFO log4j.appender.stdout=org.apache.log4j.ConsoleAppender log4j.appender.stdout.layout=org.apache.log4j.PatternLayout log4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} | %- 5 .5p | %- 16 .16t | %- 32 .32c{ 1 } | %- 32 .32C %4L | %m%n 最终的目录结构如下: 然后可以Run了,当然是不会成功的,因为没给WordCount输入参数,参考下图: 1.5 设置运行参数 因为WordCount是输入一个文件用于统计单词字,然后输出到另一个文件夹下,所以给二个参数,参考上图,在Program arguments里,输入 hdfs://172.28.20.xxx:9000/jimmy/input/README.txt 大家参考这个改一下(主要是把IP换成自己虚拟机里的IP),注意的是,如果input/READM.txt文件没有,请先手动上传,然后/output/ 必须是不存在的,否则程序运行到最后,发现目标目录存在,也会报错,这个弄完后,可以在适当的位置打个断点,终于可以调试了: 三、intellij idea 远程调试hadoop 3.1 创建一个maven的WordCount项目 pom文件如下:
View Code <? xml version = "1.0" encoding = "UTF-8" ?> < 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 > 项目结构如下: 项目上右击-》Open Module Settings 或按F12,打开模块属性 添加依赖的Libary引用 然后把$HADOOP_HOME下的对应包全导进来 导入的libary可以起个名称,比如hadoop2.6 3.2 设置运行参数 注意二个地方: 1是Program aguments,这里跟eclipes类似的做法,指定输入文件和输出文件夹 2是Working Directory,即工作目录,指定为$HADOOP_HOME所在目录 然后就可以调试了 intellij下唯一不爽的,由于没有类似eclipse的hadoop插件,每次运行完wordcount,下次再要运行时,只能手动命令行删除output目录,再行调试。为了解决这个问题,可以将WordCount代码改进一下,在运行前先删除output目录,见下面的代码:
View Code
但是光这样还不够,在IDE环境中运行时,IDE需要知道去连哪一个hdfs实例(就好象在db开发中,需要在配置xml中指定DataSource一样的道理),将$HADOOP_HOME\etc\hadoop下的core-site.xml,复制到resouces目录下,类似下面这样: 里面的内容如下: <?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换成虚拟机里的IP即可
|
|
来自: 关平藏书 > 《Hadoop家族》