hadoop0.20.0第一个例子

这是Hadoop学习全程记录第2篇，在这篇里我将介绍一下如何在Eclipse下写第一个MapReduce程序。

新说明一下我的开发环境：

操作系统：在windows下使用wubi安装了ubuntu 10.10
hadoop版本：hadoop-0.20.2.tar.gz
Eclipse版本：eclipse-jee-helios-SR1-linux-gtk.tar.gz

为了学习方便这个例子在“伪分布式模式”Hadoop安装方式下开发。

第一步，我们先启动Hadoop守护进程。
如果你读过我第1篇文章Hadoop学习全程记录——hadoop 入门应该比较清楚在“伪分布式模式”下启动Hadoop守护进程的方法，在这里就不多说了。

第二步，在Eclipse下安装hadoop-plugin。

1.复制 hadoop安装目录/contrib/eclipse-plugin/hadoop-0.20.2-eclipse-plugin.jar 到 eclipse安装目录/plugins/ 下。

2.重启eclipse，配置hadoop installation directory。
如果安装插件成功，打开Window-->Preferens，你会发现Hadoop Map/Reduce选项，在这个选项里你需要配置Hadoop installation directory。配置完成后退出。

3.配置Map/Reduce Locations。
在Window-->Show View中打开Map/Reduce Locations。
在Map/Reduce Locations中新建一个Hadoop Location。在这个View中，右键-->New Hadoop Location。在弹出的对话框中你需要配置Location name，如myubuntu，还有Map/Reduce Master和DFS Master。这里面的Host、Port分别为你在mapred-site.xml、core-site.xml中配置的地址及端口。如：

Map/Reduce Master

Java代码  
 localhost  
 9001  

DFS Master

Java代码  
 localhost  
 9000  

配置完后退出。点击DFS Locations-->myubuntu如果能显示文件夹(2)说明配置正确，如果显示"拒绝连接"，请检查你的配置。

第三步，新建项目。
File-->New-->Other-->Map/Reduce Project
项目名可以随便取，如hadoop-test。
复制 hadoop安装目录/src/example/org/apache/hadoop/example/WordCount.java到刚才新建的项目下面。

第四步，上传模拟数据文件夹。
为了运行程序，我们需要一个输入的文件夹，和输出的文件夹。输出文件夹，在程序运行完成后会自动生成。我们需要给程序一个输入文件夹。

1.在当前目录（如hadoop安装目录）下新建文件夹input，并在文件夹下新建两个文件file01、file02，这两个文件内容分别如下：

file01

Java代码  
 Hello World Bye World   

file02

Java代码  
 Hello Hadoop Goodbye Hadoop  

2.将文件夹input上传到分布式文件系统中。

在已经启动Hadoop守护进程终端中cd 到hadoop安装目录，运行下面命令：

Java代码  
 bin/hadoop fs -put input input01  

这个命令将input文件夹上传到了hadoop文件系统了，在该系统下就多了一个input01文件夹，你可以使用下面命令查看：

Java代码  
 bin/hadoop fs -ls  

第五步，运行项目。

1.在新建的项目hadoop-test，点击WordCount.java，右键-->Run As-->Run Configurations
2.在弹出的Run Configurations对话框中，点Java Application，右键-->New，这时会新建一个application名为WordCount
3.配置运行参数，点Arguments，在Program arguments中输入“你要传给程序的输入文件夹和你要求程序将计算结果保存的文件夹”，如：

Java代码  
 hdfs://localhost:9000/user/panhuizhi/input01 hdfs://localhost:9000/user/panhuizhi/output01  

这里面的input01就是你刚传上去文件夹。文件夹地址你可以根据自己具体情况填写。

4.点击Run，运行程序。

点击Run，运行程序，过段时间将运行完成，等运行结束后，可以在终端中用命令：

Java代码  
 bin/hadoop fs -ls  

查看是否生成文件夹output01。

用下面命令查看生成的文件内容：

Java代码  
 bin/hadoop fs -cat output01/*  

如果显示如下，恭喜你一切顺利，你已经成功在eclipse下运行第一个MapReduce程序了。

Java代码  
Bye 1  
Goodbye 1  
Hadoop  2  
Hello   2  
World   2  
 
 
 
 
可能遇到的问题
　　1、如果遇到这个错误：org.apache.hadoop.security.AccessControlException: Permission denied: user=administrator, access=EXECUTE, inode="job_201111031322_0003":heipark:supergroup:rwx-
　　问题原因：本地用户administrator（本机windows用户）想要远程操作hadoop系统，没有权限引起的。
　　解决办法：
　　a、如果是测试环境，可以取消hadoop hdfs的用户权限检查。打开conf/hdfs-site.xml，找到dfs.permissions属性修改为false（默认为true）OK了。
<property>
 <name>dfs.permissions</name>
 <value>false</value>
 </property>
 
　　b、修改hadoop location参数，在advanced parameter选项卡中，找到hadoop.job.ugi项，将此项改为启动hadoop的用户名即可。
　　注意第一次设置的时候可能没有hadoop.job.ugi参数，报错后在去看就有了。
　　2、运行例子时出现：IOException: Cannot run program "chmod": CreateProcess error=2,
　　问题原因：没有安装cygwin 或 没有配置环境变量；
        解决办法：安装并配置环境变量 bin到 path下 重启 eclipse   问题解决；
　　3、如果出现下面问题
　　11/11/03 12:21:31 WARN mapred.LocalJobRunner: job_local_0001
              java.lang.OutOfMemoryError: Java heap space
               at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.<init>(MapTask.java:781)
               at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:350)
               at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307)
               at org.apache.hadoop.mapred.LocalJobRunner$Job.run(LocalJobRunner.java:177)
              11/11/03 12:21:31 INFO mapred.JobClient:  map 0% reduce 0%
              11/11/03 12:21:31 INFO mapred.JobClient: Job complete: job_local_0001
              11/11/03 12:21:31 INFO mapred.JobClient: Counters: 0
              Exception in thread "main" java.io.IOException: Job failed!
               at org.apache.hadoop.mapred.JobClient.runJob(JobClient.java:1252)
               at mapred.WordCount.main(WordCount.java:110)
　　问题原因：客户端程序运行时java虚拟机内存分配不够
　　解决办法：修改run configuration，选择Arguments选项卡，在VM arguments栏中加入-Xmx1024m，保存即可解决问题。
 