一、安裝Hadoop外掛

　　1. 所需環境

　　　　　 hadoop2.0偽分散式環境平臺正常執行

　　　　所需壓縮包：eclipse-jee-luna-SR2-linux-gtk-x86_64.tar.gz
　　　　　　　　　　在Linux環境下執行的eclipse軟體壓縮包,解壓後文件名為eclipse
　　　　　　　　　　hadoop2x-eclipse-plugin-master.zip
　　　　　　　　　　在eclipse中需要安裝的Hadoop外掛,解壓後文件名為hadoop2x-eclipse-plugin-master

　　　　如圖所示，將所有的壓縮包放在同一個資料夾下並解壓。

　　2.編譯jar包

　　　　　　編譯hadoop2x-eclipse-plugin-master的plugin 的外掛原始碼，需要先安裝ant工具

　　　　　　接著輸入命令：

ant jar -Dversion=2.6.0 -Declipse.home='/home/xiaow/hadoop2.0/eclipse'  # 剛才放進去的eclipse軟體包的路徑
　　　　　　　　　　　　　　-Dhadoop.home='/home/xiaow/hadoop2.0/hadoop-2.6.0'  # hadoop安裝檔案的路徑

　　　　　　等待一小會時間就好了

　　　　  輸入命令：

cp -r /home/xiaow/hadoop2.0/hadoop2x-eclipse-plugin-master/build/contrib/eclipse-plugin/hadoop-eclipse-plugin-2.6.0.jar /home/xiaow/hadoop2.0/eclipse/plugins/

二、Eclipse配置

　　　　接下來開啟eclipse軟體

　　　　一定要出現這個圖示，沒有出現的話前面步驟可能錯了，或者重新啟動幾次Eclipse

　　　　然後按照下面的截圖操作：

　　　　如此，Eclipse環境搭建完成。

 三、wordcount程式

 　　　　建工程：

　　　　輸入如下程式碼：

package wordcount;

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.LongWritable;  
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.input.TextInputFormat;  
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;  
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;  
import org.apache.hadoop.mapreduce.lib.reduce.IntSumReducer;
import org.apache.hadoop.util.GenericOptionsParser;
  
public class wordcount {  
	
	// 自定義的mapper，繼承org.apache.hadoop.mapreduce.Mapper
    public static class WordCountMap extends Mapper<LongWritable, Text, Text, IntWritable> {  
  
        private final IntWritable one = new IntWritable(1);  
        private Text word = new Text();  
        
        //  Mapper<LongWritable, Text, Text, LongWritable>.Context context
        public void map(LongWritable key, Text value, Context context)   throws IOException, InterruptedException {  
            String line = value.toString();  
            System.out.println(line);
            // split 函式是用於按指定字元（串）或正則去分割某個字串，結果以字串陣列形式返回，這裡按照“\t”來分割text檔案中字元，即一個製表符
            // ，這就是為什麼我在文字中用了空格分割，導致最後的結果有很大的出入
            StringTokenizer token = new StringTokenizer(line);  
            while (token.hasMoreTokens()) {  
                word.set(token.nextToken());  
                context.write(word, one);  
            }  
        }  
    }  
  
    // 自定義的reducer，繼承org.apache.hadoop.mapreduce.Reducer
    public static class WordCountReduce extends Reducer<Text, IntWritable, Text, IntWritable> {  
  
    	// Reducer<Text, LongWritable, Text, LongWritable>.Context context
        public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {  
        	System.out.println(key);
        	System.out.println(values);
            int sum = 0;  
            for (IntWritable val : values) {  
                sum += val.get();  
            }  
            context.write(key, new IntWritable(sum));  
        }  
    }  
  
    //  客戶端程式碼，寫完交給ResourceManager框架去執行
    public static void main(String[] args) throws Exception {  
        Configuration conf = new Configuration();  
        Job job = new Job(conf,"word count"); 
        
        //  打成jar執行
        job.setJarByClass(wordcount.class);     
        
        //  資料在哪裡？
        FileInputFormat.addInputPath(job, new Path(args[0])); 
        
        //  使用哪個mapper處理輸入的資料？
        job.setMapperClass(WordCountMap.class); 
        //  map輸出的資料型別是什麼？
        //job.setMapOutputKeyClass(Text.class);
        //job.setMapOutputValueClass(LongWritable.class);
        
        job.setCombinerClass(IntSumReducer.class);
        
        //  使用哪個reducer處理輸入的資料
        job.setReducerClass(WordCountReduce.class); 
        
        //  reduce輸出的資料型別是什麼？
        job.setOutputKeyClass(Text.class);  
        job.setOutputValueClass(IntWritable.class);  
   
  
//        job.setInputFormatClass(TextInputFormat.class);  
//        job.setOutputFormatClass(TextOutputFormat.class);  
   
        //  資料輸出到哪裡？
        FileOutputFormat.setOutputPath(job, new Path(args[1]));  
  
        //  交給yarn去執行，直到執行結束才退出本程式
        job.waitForCompletion(true);  
        
        /*
        String[] otherArgs = new GenericOptionsParser(conf,args).getRemainingArgs();
        if(otherArgs.length<2){
        	System.out.println("Usage:wordcount <in> [<in>...] <out>");
        	System.exit(2);
        }
        for(int i=0;i<otherArgs.length-1;i++){
        	FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
        System.exit(job.waitForCompletion(tr0ue)?0:1);
        */
    }  
}  

　　　　將準備到的文件匯入進去

　　　　目錄結構如下：

　　　　執行mapreduce程式

　　　　OK，搞定收工！！！