Windows下IntelliJ IDEA远程连接服务器中Hadoop运行WordCount（详细版）

使用IDEA直接运行Hadoop项目，有两种方式，分别是本地式：本地安装Hadoop+IDEA；远程式：远程部署Hadoop，本地安装IDEA并连接， 本文介绍第二种。

一、安装配置Hadoop

(1)虚拟机伪分布式

见上才艺！CentOS7从0到1部署Apache Hadoop生态集群

(2)云服务器分布式

如果是云主机，需要注意hosts映射问题和安全组开放问题，见阿里云腾讯云等云服务器搭建hadoop集群服务器，内外网hosts配置文件问题

二、配置IDEA

1、安装配置Maven

IDEA自带了Maven，为了更方便和更好的管理，推荐自己安装Maven

Maven是什么？
Maven 是专门用于构建和管理Java相关项目的工具

使用Maven管理项目的3个好处:
1、使用Maven管理的Java 项目都有着相同的项目结构。有一个pom.xml 用于维护当前项目都用了哪些jar包。所有的java代码都放在 src/main/java 下面；所有的测试代码都放在src/test/java 下面。
2、便于统一维护jar包。把所有的jar包都放在了本地"仓库“ 里，然后哪个项目需要用到这个jar包，只需要给出jar包的名称和版本号就行了，这样就实现了jar包共享，避免每一个项目都有自己的jar包带来的麻烦。
3、帮助开发人员将精力倾注在开发而不是在包的管理当中，开发人员无需关注包的冲突问题和管理问题。

下载解压（注意Maven版本需要和IDEA匹配，否则可能会报错）
下载地址：apache-maven-3.6.3-bin.zip百度网盘链接
提取码：hgdh
我的IDEA是201903，运行实测无障碍。如果IDEA版本低，可以百度升级方法
配置环境变量
(1)先解压到自己的目录当中(随意)

(2)打开电脑环境变量，新建MAVEN_HOME为自己的解压目录，紧接着添加/bib目录到Path_

(3)完成后使用mvn -v查看版本，如果出现如图则环境变量配置完成
配置仓库
进入解压目录，备份修改setting.xml

<!-- 自建，maven自动下载的jar包，会存放到该目录下 -->
<localRepository>D:/server/maven/repository</localRepository>

配置镜像地址
国内镜像速度更快，推荐修改

<mirrors><mirror><id>alimaven</id><mirrorOf>central</mirrorOf><name>aliyun maven</name><url>http://maven.aliyun.com/nexus/content/repositories/central/</url></mirror><mirror><id>alimaven</id><name>aliyun maven</name><url>http://maven.aliyun.com/nexus/content/groups/public/</url><mirrorOf>central</mirrorOf></mirror><mirror><id>central</id><name>Maven Repository Switchboard</name><url>http://repo1.maven.org/maven2/</url><mirrorOf>central</mirrorOf></mirror><mirror><id>repo2</id><mirrorOf>central</mirrorOf><name>Human Readable Name for this Mirror.</name><url>http://repo2.maven.org/maven2/</url></mirror><mirror><id>ibiblio</id><mirrorOf>central</mirrorOf><name>Human Readable Name for this Mirror.</name><url>http://mirrors.ibiblio.org/pub/mirrors/maven2/</url></mirror><mirror><id>jboss-public-repository-group</id><mirrorOf>central</mirrorOf><name>JBoss Public Repository Group</name><url>http://repository.jboss.org/nexus/content/groups/public</url></mirror><mirror><id>google-maven-central</id><name>Google Maven Central</name><url>https://maven-central.storage.googleapis.com
</url><mirrorOf>central</mirrorOf></mirror>
<!-- 中央仓库在中国的镜像 --><mirror><id>maven.net.cn</id><name>oneof the central mirrors in china</name><url>http://maven.net.cn/content/groups/public/</url><mirrorOf>central</mirrorOf></mirror></mirrors>

在IDEA中配置Maven
(1)关闭所有项目，防止配置只生效当前项目！
(2)打开Settings,在输入框输入maven，这里要注意，选择了自定义的maven后，一定要勾选Override(覆盖)。同时保证 Local repository 项填写的路径和你勾选的配置文件中配置的路径是一致的。

(3)设置镜像源(如果在setting中设置，可跳过！)

(4)配置Intellij IDEA中自动下载jar包 :依次点击File -> Setting ->Maven ->Importing：选中Automatically download中的两个多选框Sources和Documentation

2、新建Maven项目

点击File–>New–>Project，选择Maven
选择下一步
创建Maven项目
新建后会出现如图所示界面：
默认界面
1：SRC，项目代码所属目录，放到Java文件中，正式
2：TEST，测试代码
3：POM.xml：包管理文件，需要的包以键值对的方式传入
4：导入包的方式，点击导入
5：也是导入包的方式，点击后本项目的包自动导入

三、设置连接Hadoop

新建完成后需要设置导入包，新建class

1、Linux中操作

(1)拷出hdfs-site.xml和core-site.xml文件
安装lrzsz后可以选择sz保存到Windows中，或者使用软件拷出也可以
(2)启动集群

$HADOOP_HOME/sbin/start-all.sh

(3)创建目录，上传文件到hdfs中

[root@master ~]# hdfs dfs -mkdir /data
[root@master ~]# hdfs dfs -mkdir /out
[root@master ~]# hdfs dfs -put ./word.txt /data/
[root@master ~]# hdfs dfs -ls /data/
Found 1 items
-rw-r--r--   3 root supergroup         22 2020-08-08 18:14 /data/word.txt
[root@master ~]# hdfs dfs -cat /data/word.txt
hello word
hello Java
[root@master ~]#

2、IDEA中操作

(1)导入hadoop配置文件到resources中
配置文件导入
(2)查看一下本项目的Maven是否配置生效了，如果没有则修改
项目Maven配置

(3)修改pom.xml文件，导入需要的包(无需更改内容)

<?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>org.example</groupId><artifactId>JavaHadoopProJectS</artifactId><version>1.0-SNAPSHOT</version><packaging>jar</packaging><dependencies><dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-client</artifactId><version>2.7.3</version></dependency>
</dependencies><build><plugins><plugin><groupId>org.apache.maven.plugins</groupId><artifactId>maven-jar-plugin</artifactId><version>2.4</version><configuration><archive><manifest><mainClass>org.hhrz.mapreduce.demo.JobMain</mainClass></manifest></archive></configuration></plugin></plugins>
</build>

修改文件后点击右下角的自动导入包
(4)新建wordcount类(注意编程规范)

package hadoop;
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;
import org.apache.log4j.BasicConfigurator;public class WordCount {public static class Map extends Mapper<Object,Text,Text,IntWritable>{private static IntWritable one = new IntWritable(1);private Text word = new Text();public void map(Object key,Text value,Context context) throws IOException,InterruptedException{StringTokenizer st = new StringTokenizer(value.toString());while(st.hasMoreTokens()){word.set(st.nextToken());context.write(word, one);}}}public static class Reduce extends Reducer<Text,IntWritable,Text,IntWritable>{private static 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);}}static {try {System.load("D:/JavaFile/bin/hadoop.dll");//建议采用绝对地址，bin目录下的hadoop.dll文件路径} catch (UnsatisfiedLinkError e) {System.err.println("Native code library failed to load.\n" + e);System.exit(1);}}public static void main(String[] args) throws Exception{BasicConfigurator.configure(); //自动快速地使用缺省Log4j环境。System.setProperty("HADOOP_USER_NAME", "root");Configuration conf = new Configuration();String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();if(otherArgs.length != 2){System.err.println("Usage WordCount <int> <out>");System.exit(2);}Job job = new Job(conf,"word count");job.setJarByClass(WordCount.class);job.setMapperClass(Map.class);job.setCombinerClass(Reduce.class);job.setReducerClass(Reduce.class);job.setOutputKeyClass(Text.class);job.setOutputValueClass(IntWritable.class);FileInputFormat.addInputPath(job, new Path(otherArgs[0]));FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));System.exit(job.waitForCompletion(true) ? 0 : 1);}
}

(5)传入参数

设置路径
第一个路径是输入路径，可以精确到某个文件，也可以模糊到文件夹，但是注意：输入参数是文件夹时，文件夹内不能再包含文件夹；第二个路径是输出路径，输出路径后不能存在，否则会报错。两个文件路径都是HDFS上
(6)运行
运行过程

四、可能出现的问题

1.org.apache.hadoop.io.nativeio.NativeIO$Windows.createDirectoryWithMode0(Ljava/lang/String;I)V
原因：缺少hadoop.dll或winutils.exe等驱动，需要下载对应hadoop版本的hadoop.dll(相差较少版本据说也可以，如2.7.3版本Hadoop可以使用2.6的Hadoop.dll)。
解决方案：(1)将文件放置到$Hadoop/bin下；或者 (2)添加到代码当中 (建议放到main的上面)
链接：hadoop-common-2.7.3-bin百度网盘链接
提取码：qf5b

static {try {System.load("D:/JavaFile/bin/hadoop.dll");//建议采用绝对地址，bin目录下的hadoop.dll文件路径} catch (UnsatisfiedLinkError e) {System.err.println("Native code library failed to load.\n" + e);System.exit(1);}}

2.log4j:WARN No appenders could be found for logger (org.apache.hadoop.metrics2.lib.MutableMetricsFactory).log4j:WARN Please initialize the log4j system properly.log4j:WARN See http://logging.apache.org/log4j/1.2/faq.html#noconfig for more info.

原因：log4j缺省问题
解决方法：(1)配置log4j.properties(不推荐，复杂)；或者 (2)添加代码

	public static void main(String[] args) throws Exception{BasicConfigurator.configure(); //自动快速地使用缺省Log4j环境。建议放到mian当中

以上两个问题的解决代码已经写入到WordCount中，无需额外复制粘贴

参考链接：IntelliJ IDEA运行WordCount（详细版）