Context Navigation

← Previous Change
Wiki History
Next Change →

Changes between Initial Version and Version 1 of 0331HadoopEclipse

Timestamp:: Mar 31, 2009, 9:28:23 AM (17 years ago)
Author:: waue
Comment:: --

Legend:

: Unmodified
: Added
: Removed
: Modified

0331HadoopEclipse

                       v1
+[[PageOutline]]
+ = '''使用Eclipse開發!MapReduce程式''' =
+ = 一、準備 =
+ * 系統 :
+   * Ubuntu 8.10
+   * Hadoop 0.18.3
+     * 下載安裝方法於 2.2 說明
+ * 開發工具 :
+   * Eclipse 3.2.2
+ ||  || 指令 || 註解 ||
+ || $ || apt-get install eclipse || 安裝eclipse ||
+   * java 6
+ ||  || 指令 || 註解 ||
+ || $ ||  sudo apt-get purge java-gcj-compat || 由於版權關係，ubuntu預設安裝的gcj為java的模擬軟體，請移除 ||
+ || $ ||  sudo apt-get install sun-java6-bin sun-java6-jdk sun-java6-jre sun-java6-plugin || 安裝 Sun版Java ||
+ * 設定環境變數
+     * 開啟bash.bashrc 貼上環境變數設定（sudo gedit /etc/bash.bashrc），在最後一行貼入下面內容
+{{{
+export JAVA_HOME=/usr/lib/jvm/java-6-sun
+export HADOOP_HOME=/opt/hadoop/
+export CLASSPATH=.:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
+}}}
+     * 由前面設定後，環境參數如下表
+   || Name || Path ||
+   || Hadoop Home || /opt/hadoop/ ||
+   || Java Home || /usr/lib/jvm/java-6-sun ||
+ = 二、安裝與設定 Hadoop =
+  Hadoop 是Apache所維護的自由軟體專案，而HDFS (Hadoop Distributed File System)是指Hadoop檔案系統，因此安裝的時候我們安裝配置了Hadoop專案，但操作時，尤其指Hadoop系統操作，我們會用HDFS來稱呼。因此，整個邏輯可以看成，我們在Linux系統內安裝配置了Hadoop，執行之後，它會產生一個新的分散式的磁碟系統，也就是HDFS，架構在Linux之內。由於是分散式系統，意味著他可以橫跨多台Linux所形成的叢集系統，並聯其磁碟空間。不過此篇的目的為撰寫MapReduce程式，所以在此示範的設定為HDFS運作於單一的本機系統內。
+ == 2.1 幫User產生ssh金鑰 ==
+ || || 指令 || 註解 ||
+ ||$|| ssh-keygen -t rsa -P "" || 產生免密碼的ssh金鑰 ||
+ ||$|| cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys || 匯入免檢查名單 ||
+ ||$|| ssh localhost || 測試登入是否不用密碼 ||
+ ||$|| exit || 完成離開 ||
+ == 2.2 安裝 Hadoop ==
+ ||  || 指令 || 註解 ||
+ || $ ||  wget http://ftp.twaren.net/Unix/Web/apache/hadoop/core/hadoop-0.18.3/hadoop-0.18.3.tar.gz || 下載原始碼 ||
+ || $ ||  sudo tar -zxvf hadoop-0.18.3.tar.gz -C /opt/ || 解壓縮 ||
+ || $ ||  sudo chown -R waue:waue /opt/hadoop-0.18.3 || 改權限 ||
+ || $ ||  sudo ln -sf /opt/hadoop-0.18.3 /opt/hadoop || 建目錄連結 ||
+ || $ ||  cd /opt/hadoop ||  ||
+ == 2.3 設定 ==
+ * 修改 hadoop-env.sh 檔 （$ gedit /opt/hadoop/conf/hadoop-env.sh ）
+   * 修改內容：
+{{{
+#!diff
+--- /opt/hadoop/conf/hadoop-env.sh.bek
++++ /opt/hadoop/conf/hadoop-env.sh
+@@ -8,9 +8,12 @@
+ # The java implementation to use.  Required.
+-# export JAVA_HOME=/usr/lib/j2sdk1.5-sun
++export JAVA_HOME=/usr/lib/jvm/java-6-sun
++export HADOOP_HOME=/opt/hadoop
++export HADOOP_LOG_DIR=$HADOOP_HOME/logs
++export HADOOP_SLAVES=$HADOOP_HOME/conf/slaves
+}}}
+ * 修改 hadoop-site.xml 檔（$ gedit HADOOP_HOME/conf/hadoop-site.xml）
+   * 整段貼上：
+{{{
+#!xml
+<configuration>
+<property>
+  <name>fs.default.name</name>
+  <value>hdfs://localhost:9000/</value>
+  <description>
+  </description>
+</property>
+<property>
+  <name>mapred.job.tracker</name>
+  <value>hdfs://localhost:9001/</value>
+  <description>
+  </description>
+</property>
+<property>
+  <name>mapred.map.tasks</name>
+  <value>1</value>
+  <description>
+    define mapred.map tasks to be number of slave hosts
+  </description>
+</property>
+<property>
+  <name>mapred.reduce.tasks</name>
+  <value>1</value>
+  <description>
+    define mapred.reduce tasks to be number of slave hosts
+  </description>
+</property>
+<property>
+  <name>dfs.replication</name>
+  <value>1</value>
+</property>
+</configuration>
+}}}
+ == 2.4 啟動 HDFS ==
+ * 格式化HDFS (Hadoop Distributed File System)
+ || || 指令 ||
+ || $ || cd $HADOOP_HOME ||
+ || $ || bin/hadoop namenode -format ||
+   * 執行結果:
+{{{
+/02/03 18:08:59 INFO dfs.NameNode: STARTUP_MSG:
+/************************************************************
+STARTUP_MSG: Starting NameNode
+STARTUP_MSG:   host = vPro/140.110.138.193
+STARTUP_MSG:   args = [-format]
+STARTUP_MSG:   version = 0.18.3
+STARTUP_MSG:   build = https://svn.apache.org/repos/asf/hadoop/core/branches/branch-0.18 -r 736250; compiled by 'ndaley' on Thu Jan 22 23:12:08 UTC 2009
+************************************************************/
+/02/03 18:08:59 INFO fs.FSNamesystem: fsOwner=waue,waue,adm,dialout,cdrom,floppy,audio,dip,video,plugdev,fuse,lpadmin,admin,sambashare
+/02/03 18:08:59 INFO fs.FSNamesystem: supergroup=supergroup
+/02/03 18:08:59 INFO fs.FSNamesystem: isPermissionEnabled=true
+/02/03 18:08:59 INFO dfs.Storage: Image file of size 78 saved in 0 seconds.
+/02/03 18:08:59 INFO dfs.Storage: Storage directory /tmp/hadoop-waue/dfs/name has been successfully formatted.
+/02/03 18:08:59 INFO dfs.NameNode: SHUTDOWN_MSG:
+/************************************************************
+SHUTDOWN_MSG: Shutting down NameNode at vPro/140.110.138.193
+************************************************************/
+}}}
+ * 啟動HDFS
+ || || 指令 ||
+ || $ || bin/start-all.sh ||
+   * 執行結果:
+{{{
+starting namenode, logging to /opt/hadoop/logs/hadoop-waue-namenode-vPro.out
+localhost: starting datanode, logging to /opt/hadoop/logs/hadoop-waue-datanode-vPro.out
+localhost: starting secondarynamenode, logging to /opt/hadoop/logs/hadoop-waue-secondarynamenode-vPro.out
+starting jobtracker, logging to /opt/hadoop/logs/hadoop-waue-jobtracker-vPro.out
+localhost: starting tasktracker, logging to /opt/hadoop/logs/hadoop-waue-tasktracker-vPro.out
+}}}
+ * 在瀏覽器URL列輸入以下三個網址，若都有畫面則成功啟動
+ || 網址 || 說明 ||
+ || http://localhost:50030 || Map/Reduce Administration ||
+ || http://localhost:50060 || Task Tracker !StatusTask Tracker Status ||
+ || http://localhost:50070 || !NameNode ||
+ == 2.5 除錯 ==
+ * 如果你的系統在啟動的時候有錯誤發生，則請停止Hadoop並完全移除Hadoop產生的中間資料，再重新開始
+ || || 指令 ||
+ || $ || cd $HADOOP_HOME ||
+ || $ || bin/stop-all.sh ||
+ || $ || rm -rf /tmp/* ||
+ || ||  檢查 2.3 內容，重新執行2.4內容 ||
+ = 三、 Hadoop的Eclipse-Plugin安裝與操作 =
+   Elipse是Sun公司所開發，是個很知名的Java程式語言開發程式，雖然Hadoop也是用java所開發，但要讓eclipse認得Hadoop的API、編譯器、並執行程式，需要調校的地方很多，步驟也很繁瑣。IBM發佈了一個Eclipse插件-IBM MapReduce Tools for Eclipse，通過該插件，開發者可以在Eclipse上創建MapReduce應用程序。以下我們就來示範如何安裝這個Hadoop的eclipse-plugin。
+ == 3.1 eclipse 3.3 以上版本（有bug） ==
+ * 安裝IBM !MapReduce tool
+ || || 指令 ||
+ || $ || sudo cp /opt/hadoop-0.18.3/contrib/eclipse-plugin/hadoop-0.18.3-eclipse-plugin.jar /usr/lib/eclipse/plugins/ ||
+ ps : 上述的方法需eclipse 3.3 以上 搭配 hadoop 0.17 以上版本。
+ * 在系統視窗中，右鍵點選eclipse圖示，在指令欄加入參數以增加穩定度
+{{{
+ /usr/bin/eclipse -vmargs -Xmx512M
+}}}
+ * 啟動eclipse，從視窗介面操作：
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''File''' > '''New > Project''' || 看到 '''!MapReduce category''' || 檢查是否安裝IBM !MapReduce tool成功 ||
+ || '''Window''' > '''Preferences''' > '''java'''> '''compiler''' ||設定 '''compiler compliance level''' 為 1.6  || 更改java編譯器為1.6 以上，否則會出現一堆error||
+ * 開啟hadoop 專案
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''File''' > '''new''' > '''Map/Reduce Project'''>'''next''' || '''Project name''':''sample'' [[br]] '''Configure Hadoop install directory''' => /opt/hadoop  || 設定專案名稱及hadoop的家目錄 ||
+   * 完成後 Project Explorer可以看到 sample的專案列出
+ * 讓Eclipse連接到HDFS
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''Window''' > '''Show View''' > '''Other...''' > '''!MapReduce Tools'''  || '''!MapReduce locations''' || 開啟MapReduce編譯環境，完成後右下方視窗會多一個藍色的大象圖示 ||
+ || 點選右下藍色大象圖示 || '''location name''' : ''test'' [[br]] '''Host''':''localhost'' [[br]] M/R Master: '''Port''':''9001'' [[br]] DFS Master: '''Use Use M/R Master host''':''V'' [[br]] '''Port''':''9000''|| 設定對應到 hadoop-site.xml檔 ||
+   * mapred.job.tracker 的設定若為 hdfs://ubuntu:9010/ ，則M/R Master的設定為 '''host:ubuntu''' , '''Port:9010''' ，DFS Master的設定則對應到 fs.default.name
+   * 注意 hdfs必須已經啟動，否則無法點選finish鍵
+   * 完成後在Project Explorer可以看到'''DFS Locations'''出現
+ * 2009/2/5 測試到目前為止，用最新版的eclipse 3.4 搭配 0.18.3 或 0.19.0 版的 hadoop plugin，在"run as" => "run on hadoop" 都無法正常運作（應該要彈出選擇server location的視窗），此問題在2008/7/31就被發現並已被發佈於[http://webui.sourcelabs.com/hadoop/issues/3744 (HADOOP-3744) Eclipse Plugin does not work with Eclipse Ganymede (3.4)]，目前尚待解決。
+ == 3.2 eclipse 3.2 以下版本 ==
+ * 安裝IBM !MapReduce tool
+eclipse 3.2 以前的版本必須要去IBM官方網站下載mapReduce_tools.zip，解壓縮後將資料夾複製到＄eclipse/plugins/才可以運作
+ * 在系統視窗中，右鍵點選eclipse圖示，在指令欄加入參數以增加穩定度
+{{{
+ /usr/bin/eclipse -vmargs -Xmx512m
+}}}
+ * 啟動eclipse，從視窗介面操作：
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''File''' > '''New > Project''' || 看到 '''!MapReduce category''' || 檢查是否安裝IBM !MapReduce tool成功 ||
+ || '''Window''' > '''Preferences''' > '''java'''> '''compiler''' ||設定 '''compiler compliance level''' 為 5.0  || 更改java編譯器為5.0以上，否則會出現一堆error||
+ * 啟動eclipse，從視窗介面操作
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''File''' > '''new''' > '''project''' >  '''map-reduce project''' > '''next''' > || '''project name''' : ''sample'' [[br]] '''use default location''' : V [[br]]  '''use default Hadoop''' : V [[br]]  > '''Finish''' [[br]]  || 設定專案預設值 ||
+ * 讓Eclipse連接到HDFS
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''Window''' > '''Show View''' > '''Other...''' > '''!MapReduce Tools''' > '''!MapReduce Servers''' || '''!MapReduce Servers''' || 開啟MapReduce編譯環境，完成後右下方視窗會多一個藍色的大象圖示 ||
+ || 點選藍色大象圖示 || '''Server name''' : ''any_you_want'' [[br]] '''Hostname''' : ''localhost'' [[br]]  '''Installation directory''': ''/opt/hadoop/'' [[br]]  '''Username''' : ''waue'' [[br]]  || 開啟Hadoop伺服器，若有任何的密碼提示對話框出現，請填入登入Linux的系統使用者之密碼 ||
+ = 四、用Eclipse編譯!MapReduce範例程式 =
+  在這個範例中，我們先上傳一個純文字檔到HDFS內，這個檔案的副檔名為何不重要，只要內文為純文字檔即可，簡單的可以直接把Readme檔上傳上去，但為了突顯MapReduce的威力，當然是放越大的檔案上去給Hadoop操一下越好囉！接著示範如何用Eclipse來編寫!MapReduce的程式，並執行編譯的動作。
+ '''1. 上傳字典檔，以供!WordCount程序作字數統計的來源檔'''
+ || || 指令 ||
+ || $ || cd /opt/hadoop/ ||
+ || $ || wget xxx/132.txt  ||
+ || $ || bin/hadoop dfs -mkdir input ||
+ || $ || bin/hadoop dfs -put 132.txt input ||
+ || $ || bin/hadoop dfs -ls ||
+{{{
+Found 1 items
+/user/waue/input        <dir>           2008-05-23 15:15        rwxr-xr-x      waue     supergroup
+}}}
+ '''2. 在eclipse中新增程式碼'''
+   於Eclipse左邊的'''Project explorer'''內,我們可以看到剛剛設定的工作目錄'''sample'''。 我們新增一個範例程式：
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''Project explorer'''內，右鍵點選 '''sample'''> '''new''' > '''file''' || '''file name''' :  !WordCount.java || 新增一個!WordCount.java檔案 ||
+ '''3. 撰寫程式'''
+   貼上 [http://trac.nchc.org.tw/cloud/attachment/wiki/hadoop-sample-code/WordCount.java?format=raw WordCount.java] 的內容。
+ '''4. 執行'''
+ || 視窗操作 || 介面中設定 || 註解 ||
+ || '''Project explorer'''內，右鍵點選 '''!WordCount.java''' > '''run as ...''' > '''choose an existing server from the list below''' || '''finish''' || 執行!MapReduce ||
+ '''5. 執行畫面會出現在右下方的視窗:console '''
+ '''6. Hadoop的運算結果置於HDFS內的檔案中，要觀看結果內容，有以下三種方法 '''
+   * 用瀏覽器： 網址輸入 http://localhost:50070，點檔案目錄，
+   * 直接用HDFS的指令秀出結果內容
+   * 用指令將輸出結果從HDFS內複製到本機資料夾內再觀看
+ '''7. 執行期間或執行結束，都可以到以下網址來看執行過程及結果 '''
+ || 網址 || 說明 ||
+ || http://localhost:50030 || hadoop-master ||
+ || http://localhost:50060 || hadoop-jobTracker ||
+ || http://localhost:50070 || hadoop-fileSystem ||
+ = 五、 參考  =
+ * NCHC Cloud Technique Develop Group
+  * http://trac.nchc.org.tw/cloud/
+ * IBM Map-Reduce
+  * http://www.alphaworks.ibm.com/tech/mapreducetools
+ * Cloud9
+  * http://www.umiacs.umd.edu/~jimmylin/cloud9/umd-hadoop-dist/cloud9-docs/howto/start.html
+ * Runing Hadoop
+  * http://www.michael-noll.com/wiki/Running_Hadoop_On_Ubuntu_Linux_%28Single-Node_Cluster%29