本人环境为win10（才从win7升级）
eclipse是 Kepler Service Release 1
在win10下，安装了vm workstation，其上安装了centos6.5 ，并在上面部署了hadoop2.6.4的伪分布式安装
一、 目标
设置win10下的eclipse开发环境，并且可以在此环境上开发hadoop应用，并在伪分布式hadoop环境下测试。
二、准备
1、eclipse （ Kepler Service Release 1）
2、 hadoop2.6.4
3、 hadoop.dll 和 winutils
4、 wordcount 代码
5、 wordcount 所需要的统计单词的文本源
6、 hadoop for eclipse的插件，本人使用的插件为 hadoop-eclipse-plugin-2.6.4.jar
三、环境搭建步骤
1、 将hadoop2.6.4解压 在win10系统的任意目录下。 （就是为了配置eclipse用，实际联调的时候，是连接linux 虚机上的伪分布式hadoop）
2、 设置win10的环境变量，通过控制面板-》系统-》高级设置-》环境变量 需要设置如下几个环境变量，已本人机器为例：
JAVA_HOME=C:\Program Files (x86)\Java\jre6\bin
HADOOP_HOME=E:\cwqwork\develop\hadoop-2.6.4
path 增加最后 E:\cwqwork\develop\hadoop-2.6.4\bin
3、拷贝插件到 eclipse安装目录下的plugsin目录
4、 启动eclipse， windows-》hadoop Map/Reduce
在 hadoop installation directory 里面，填入 前面第1步解压的目录，点击OK
5、 界面最右边新出先的 Map/Reduce标签点中， 在最左边Project Explorer 会出现 DFS Locations。
界面最右下角有个蓝色小象，点击后，设置 hadoop location
6、上面设置好后，就可以 一层一层浏览 DFS Locations。 这里显示的是 linux下hadoop的dfs系统
四、 测试工程代码
1、 新建工程，选other -》map reduce project， 然后输入工程名称等等，建立新的工程
2、 创建 WordCount 类
代码如下：
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();
//conf.set("mapred.job.tracker","192.168.136.155:9001" );
//conf.set("fs.default.name","192.168.136.155:9000" );
String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
if (otherArgs.length != 2) {
System.err.println("Usage: wordcount <in> <out>");
System.exit(2);
}
System.out.println ("Usage: wordcount <in> <out>" + otherArgs[0] +" "+ otherArgs[1] );
Job job = new Job(conf, "wordcount");
job.setJarByClass(WordCount.class);
job.setMapperClass(TokenizerMapper.class);
job.setCombinerClass(IntSumReducer.class);
job.setReducerClass(IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
System.out.println ("add input path:" + otherArgs[0]);
System.out.println ("set output path:" + otherArgs[1]);
System.out.println ("begin wait job completion");
job.waitForCompletion(true);
}
}
创建完成后， 在linux 虚机上导入需要统计的文本
文本1：Hello world Hello me! cwq solo
文本2： Hello world Hello you! solo
在linux 目录 /opt/hadoop/input/wordcount 下：
echo "Hello world Hello me! cwq solo" >test1.txt
echo " Hello world Hello you! solo" >test2.txt
hadoop fs -put /opt/hadoop/input/wordcount input
3、 完成后，在类上右键-》run configuration-》 输入参数
hdfs://192.168.136.155:9000/user/hadoop/input/wordcount hdfs://192.168.136.155:9000/user/hadoop/output/wordcount
输入后，不要执行。
然后，用run on hadoop 方式执行。
4、 正常情况下，会报异常：
Exception in thread "main" java.lang.NullPointerException
at java.lang.ProcessBuilder.start(ProcessBuilder.java:441)
at org.apache.hadoop.util.Shell.runCommand(Shell.java:445)
at org.apache.hadoop.util.Shell.run(Shell.java:418)
原因是，没有安装补丁。 将 hadoop.dll 和 winutils 拷贝到 win10上hadoop目录下bin目录。
5、 再次运行，没有异常，但是运行结束，查看dfs 没有output结果， console没有输出异常。 这里纠结很久。
解决办法：在src 目录下，建立log.properities文件，使得log4j 可以打印
log4j.rootLogger=debug,stdout,R
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n
log4j.appender.R=org.apache.log4j.RollingFileAppender
log4j.appender.R.File=mapreduce_test.log
log4j.appender.R.MaxFileSize=1MB
log4j.appender.R.MaxBackupIndex=1
log4j.appender.R.layout=org.apache.log4j.PatternLayout
log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%
log4j.logger.com.codefutures=DEBUG
6、再次运行，console打印会有error
WARN - job_local194089354_0001
org.apache.hadoop.security.AccessControlException: Permission denied: user=Administrator, access=WRITE, inode="/user/hadoop/output":hadoop:supergroup:drwxr-xr-x
at org.apache.hadoop.hdfs.server.namenode.FSPermissionChecker.checkFsPermission(FSPermissionChecker.java:271)
说明是权限问题， eclipse是用Administrator启动的，连接linux下的hadoop是用此用户，所以权限禁止。
解决办法：
1）、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。
2）、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
3）、 修改window 机器的用户名为 hadoop 用户名。
7、执行，这次正确执行完成，console 不报告错误， dfs location 右键 -》reconnect -》一层一层点开，最后output 目录下看到统计单词结果。
Hello 4
cwq 1
me! 1
solo 2
world 2
you! 1
