前言:

      畢業兩年了，之前的工作一直沒有接觸過大資料的東西，對hadoop等比較陌生，所以最近開始學習了。對於我這樣第一次學的人，過程還是充滿了很多疑惑和不解的，不過我採取的策略是還是先讓環境跑起來，然後在能用的基礎上在多想想為什麼。

      通過這三個禮拜(基本上就是週六週日，其他時間都在加班啊T T)的探索，我目前主要完成的是:

      所以我下邊會分三次記錄下我的過程，為自己以後查閱方便，要是能幫助到其他人，自然是更好了！

===============================================================長長的分割線====================================================================

正文:

在之前的兩篇文章中，我主要是介紹了自己初次學習hadoop的過程中是如何將hadoop偽分散式模式部署到linux環境中的，以及如何自己編譯一個hadoop的eclipse外掛。如果大家有需要的話，可以點選我在前言中列出的前兩篇文章的連結。

      今天，我將在eclipse中，講解如何使用MapReduce。對於下面的問題，我們首先講解的是，如何在eclipse中配置DFS Location，然後講解的是，在配置好的Location上執行WordCount例項。

      第一步，配置DFS Location:

      1.開啟eclipse之後，切換到Map/Reduce模式，點選右下角的“new hadoop Location”圖示，彈出一個彈出框，如下圖所示，頁面中中有兩個頁籤需要配置，分別是General和Advanced Parameters。

      2.首先，我們先配置General中內容。General中主要需要我們進行Map/Reduce和HDFS的host的配置。

         (1).之前我們在Linux安裝hadoop時，曾經修改了兩個配置檔案，分別是mapred-site.xml和core-site.xml。當時我們再配置的時候，配置的主機就是localhost和埠號。這裡由於我們是在eclipse遠端訪問你Linux伺服器中的hadoop，所以我們需要將原來配

置檔案中的localhost修改成你伺服器的ip地址，埠號不變(當然你可以參考網上的文章，配置host檔案)。

         (2).然後將eclipse中我們剛才開啟的General頁籤中的Map/Reduce的host配置成你的mapred-site.xml配置的ip地址和埠號；再將HDFS的host配置成你的core-site.xml配置的ip地址和埠號。注意，如果你勾選了HDFS中的那個“Use M/R Master Host”選項，那麼HDFS的host將預設與Map/Reduce中配置的ip地址一致，埠號可另行配置。

      3.然後，我們要配置的是Advanced Parameters這個選項卡中的內容，這裡面的內容比較多，但是不要緊張哦，因為我們在第一次配置時，可以使用他的預設配置。

　　　(1)開啟這個選項卡，我們可以瀏覽一下這裡面的內容，著重看下其中選項值包含“/tmp/.....”這種目錄結構的選項，如果我們後邊自己配置的話，其實要修改的也就是這些項。預設的“dfs.data.dir”是在linux伺服器中的“/tmp”目錄下，有時會帶上你的root賬號，這個可以根據自己的需要。

        (2).如果你不想使用上邊的預設配置，則我們根據自己的需要，在我們安裝的hadoop中的hdfs-site.xml檔案中，增加對“dfs.data.dir”這個選項的配置，對應的目錄自己可以提前建立，我的配置如圖：

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->
<configuration>
        <property>
                <name>dfs.data.dir</name>
                <value>/myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/dfs_data_dir</value>
        </property>
        <property>
                <name>dfs.replication</name>
                <value>1</value>
        </property>
        <property>
                <name>dfs.permissions</name>
                <value>false</value>
        </property>
</configuration>

        (3).以我的配置為例，如果我在hadoop的伺服器端做了這樣的配置，那麼我在Advanced Parameters選項卡中，需要修改下面的的幾個選項的value值，注意，其實有個小技巧，你在配置的時候，先找到“hadoop.tmp.dir”這個選項，將這個選項配置成你自定義的目錄位置，然後將Location這個彈出框關掉，再選中剛才的那個Location重新點選右下角的“Edit hadoop Location”選項（在“new hadoop Location”旁邊），然後再切換到Advanced Parameters選項卡，會發現與之相關的幾個選項的目錄字首都會發生改變，這時候你在瀏覽一下其他選項，確保目錄字首都進行了修改，就ok了。

dfs.data.dir  =>  /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/data

dfs.name.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/name

dfs.name.edits.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/name

fs.checkpoint.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/namesecondary

fs.checkpoint.edits.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/dfs/namesecondary

fs.s3.buffer.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/s3

hadoop.tmp.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir

mapred.local.dor => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/local

mapred.system.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/system

mapred.temp.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/temp

mapreduce.jobtracker.staging.root.dir => /myself_setted/hadoop/hadoop-1.0.1/myself_data_dir/hadoop_tmp_dir/mapred/staging

      4.經過上邊的幾步，我們自己的Location已經配置完了，這時候如果沒有什麼問題的話，會在我們的eclipse的左上角“DFS Location”的下面，顯示出我們剛剛配置好的Location，右鍵點選這個Location的選擇“Refresh”或者“ReConnect”，如果之前的配置沒有問題的話，會顯示我們再第一篇文章中上傳的a.txt檔案，以及我們之前在linux伺服器端執行hadoop成功的output資料夾，如下圖。如果沒有上傳檔案，那麼只會顯示“dfs.data.dir”這個目錄。

　　第二步，執行Word Count例項:

      1.Location配置好之後，我們可以在eclipse中建立一個MapReduce專案的工程。

      (1).利用反編譯軟體，從hadoop-1.0.1的安裝包中反編譯hadoop-examples-1.0.1.jar這個jar包，將其中的Word Count類取出來，放到你剛才建立的工程中。注意，如果你之前參考的在編譯eclipse的hadoop外掛時，參考的是我的第二篇文章的方法，這裡需要加一步，右鍵點選專案選擇buidld Path，對於以“hadoop-”開頭的jar包，除了“hadoop-core-1.0.1.jar”和“hadoop-tools-1.0.1.jar”這兩個jar包，其餘的以“hadoop-”開頭的jar包都要刪除掉。主要是因為如果不刪除，會導致WordCount這個類方法中的有些累引入的不正確。

      2.專案建立好之後，我們在WordCount類中，右鍵選擇“Run Configurations”彈出一個彈出框，如下圖，然後選中“Arguments”選項卡，在其中的“Program arguments”中配置你的hdfs的input檔案的目錄和output目錄，然後點選“run”，執行即可，如果在console中沒有丟擲異常，證明執行成功，可選擇左上角的Location，選擇“Refresh”，會顯示你的output資料夾以及執行的結果檔案。

      第三步，錯誤排除:

      1.如果之前的output資料夾存在，你直接在eclipse中執行WordCount方法的話，可能console會報“output資料夾已經存在”這個錯誤，那麼你只需要現將Location中的output資料夾刪除，這個錯誤就不會報了。

      2.如果你執行的過程中報了“org.apache.hadoop.security.AccessControlException: Permission denied:。。。。”這個錯誤，是由於本地使用者想要遠端操作hadoop沒有許可權引起的，這時，我們需要在hdfs-site.xml中配置dfs.permissions屬性修改為false（預設為true），可以參考本文上邊關於“hdfs-site.xml”的配置。

      3.如果你執行的過程中報了“Failed to set permissions of path:。。。。”這個錯誤，解決方法是修改/hadoop-1.0.1/src/core/org/apache/hadoop/fs/FileUtil.java裡面的checkReturnValue，註釋掉即可（有些粗暴，在Window下，可以不用檢查）。注意，此處修改時，網上的一般方法是，重新編譯hadoop-core的原始碼，然後重新打包。其實如果想省事兒一點的話，我們可以在專案中建立一個org.apache.hadoop.fs這個包，將FileUtil.java這個類複製到這個包裡面，按照下邊圖片中的修改方法，修改FileUtil.java就行了。之所以這種方法也行，是因為java執行時，會優先預設在本專案的原始碼中掃描相同路徑的包，然後才是引入的jar檔案中的。

      經過上邊的步驟，我想多數情況下，你已經成功的在eclipse中遠端訪問了你的hadoop了，也許在你實踐的過程中還會碰到其他問題，只要你耐心的在網上搜索資料，相信一定可以解決的，切記不要太著急。