hadoop 程式開發 (eclipse plugin)

零. 環境配置

0.1 環境說明

• ubuntu 8.10
• sun-java-6
  • ​java 下載處
  • ​JavaDoc
• eclipse 3.3.2
  • eclipse 各版本下載點 ​http://archive.eclipse.org/eclipse/downloads/
• hadoop 0.18.3
  • hadoop 各版本下載點 ​http://ftp.twaren.net/Unix/Web/apache/hadoop/core/

0.2 目錄說明

• 使用者：hadoop
• 使用者家目錄： /home/hadooper
• 專案目錄 ： /home/hadooper/workspace
• hadoop目錄： /opt/hadoop

一、安裝

安裝的部份沒必要都一模一樣，僅提供參考，反正只要安裝好java , hadoop , eclipse，並清楚自己的路徑就可以了

1.1. 安裝java

首先安裝java 基本套件

$ sudo apt-get install java-common sun-java6-bin sun-java6-jdk sun-java6-jre

1.1.1. 安裝sun-java6-doc

1 將javadoc (jdk-6u10-docs.zip) 下載下來 ​下載點

2 下載完後將檔案放在 /tmp/ 下 (假測已下載到 /home/hadooper/tools/ )

$ mv /home/hadooper/tools/jdk-*-docs.zip /tmp/

3 執行

$ sudo apt-get install sun-java6-doc

1.2. ssh 安裝設定

quickly install

1.3. 安裝hadoop

quickly install

1.4. 安裝eclipse

• 取得檔案 eclipse 3.3.2 (假設已經下載於/home/hadooper/tools/ 內)，執行下面指令：

$ cd ~/tools/
$ tar -zxvf eclipse-SDK-3.3.2-linux-gtk.tar.gz
$ sudo mv eclipse /opt
$ sudo ln -sf /opt/eclipse/eclipse /usr/local/bin/

二、 建立專案

2.1 安裝hadoop 的 eclipse plugin

• 匯入hadoop eclipse plugin

$ cd /opt/hadoop
$ sudo cp /opt/hadoop/contrib/eclipse-plugin/hadoop-0.18.3-eclipse-plugin.jar /opt/eclipse/plugins

補充： 可斟酌參考eclipse.ini內容（非必要）

$ sudo vim /opt/eclipse/eclipse.ini

-startup
plugins/org.eclipse.equinox.launcher_1.0.101.R34x_v20081125.jar
--launcher.library
plugins/org.eclipse.equinox.launcher.gtk.linux.x86_1.0.101.R34x_v20080805
-showsplash
org.eclipse.platform
--launcher.XXMaxPermSize
512m
-vmargs
-Xms40m
-Xmx512m

2.2 開啟eclipse

• 打開eclipse

$ eclipse &

一開始會出現問你要將工作目錄放在哪裡：在這我們用預設值

---

PS: 之後的說明則是在eclipse 上的介面操作

---

2.3 選擇視野

window ->

open pers.. ->

other.. ->

map/reduce

---

設定要用 Map/Reduce? 的視野

---

使用 Map/Reduce? 的視野後的介面呈現

---

2.4 建立專案

file ->

new ->

project ->

Map/Reduce? ->

Map/Reduce? Project ->

next

---

建立mapreduce專案(1)

---

建立mapreduce專案的(2)

project name-> 輸入 : icas (隨意)
use default hadoop -> Configur Hadoop install... -> 輸入： "/opt/hadoop" -> ok
Finish

---

2.5 設定專案

由於剛剛建立了icas這個專案，因此eclipse已經建立了新的專案，出現在左邊視窗，右鍵點選該資料夾，並選properties

---

Step1. 右鍵點選project的properties做細部設定

---

Step2. 進入專案的細部設定頁

hadoop的javadoc的設定(1)

• java Build Path -> Libraries -> hadoop0.18.3-ant.jar
• java Build Path -> Libraries -> hadoop0.18.3-core.jar
• java Build Path -> Libraries -> hadoop0.18.3-tools.jar
  • 以 hadoop0.18.3-core.jar 的設定內容如下，其他依此類推

source ...-> 輸入：/opt/opt/hadoop0.18.3/src/core
javadoc ...-> 輸入：file:/opt/hadoop/docs/api/

---

Step3. hadoop的javadoc的設定完後(2)

---

Step4. java本身的javadoc的設定(3)

• javadoc location -> 輸入：file:/usr/lib/jvm/java-6-sun/docs/api/

---

設定完後回到eclipse 主視窗

2.6 連接hadoop server

---

Step1. 視窗右下角黃色大象圖示"Map/Reduce? Locations tag" -> 點選齒輪右邊的藍色大象圖示：

---

Step2. 進行eclipse 與 hadoop 間的設定(2)

Location Name -> 輸入：hadoop  (隨意)
Map/Reduce Master -> Host-> 輸入：localhost 
Map/Reduce Master -> Port-> 輸入：9001 
DFS Master -> Host-> 輸入：9000
Finish

---

設定完後，可以看到下方多了一隻藍色大象，左方展開資料夾也可以秀出在hdfs內的檔案結構

---

三、 撰寫範例程式

• 之前在eclipse上已經開了個專案icas，因此這個目錄在：
  • /home/hadooper/workspace/icas
• 在這個目錄內有兩個資料夾：
  • src ： 用來裝程式原始碼
  • bin ： 用來裝編譯後的class檔
• 如此一來原始碼和編譯檔就不會混在一起，對之後產生jar檔會很有幫助
• 在這我們編輯一個範例程式 : WordCount

3.1 mapper.java

1. new

File ->

new ->

mapper

---

2. create

source folder-> 輸入： icas/src
Package : Sample
Name -> : mapper

---

3. modify

package Sample;

import java.io.IOException;
import java.util.StringTokenizer;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reporter;

public class Map extends MapReduceBase implements Mapper<LongWritable, Text, Text, IntWritable> {
    private final static IntWritable one = new IntWritable(1);
    private Text word = new Text();

    public void map(LongWritable key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
      String line = value.toString();
      StringTokenizer tokenizer = new StringTokenizer(line);
      while (tokenizer.hasMoreTokens()) {
        word.set(tokenizer.nextToken());
        output.collect(word, one);
      }
    }
  }

建立mapper.java後，貼入程式碼

---

3.2 reducer.java

1. new

• File -> new -> reducer

---

2. create

source folder-> 輸入： icas/src
Package : Sample
Name -> : reducer

---

3. modify

package Sample;

import java.io.IOException;
import java.util.Iterator;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;

public class Reduce extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {
    public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
      int sum = 0;
      while (values.hasNext()) {
        sum += values.next().get();
      }
      output.collect(key, new IntWritable(sum));
    }
  }

• File -> new -> Map/Reduce? Driver

---

3.3 WordCount.java (main function)

1. new

建立WordCount.java，此檔用來驅動mapper 與 reducer，因此選擇 Map/Reduce? Driver

---

2. create

source folder-> 輸入： icas/src
Package : Sample
Name -> : WordCount.java

---

3. modify

package Sample;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.TextInputFormat;
import org.apache.hadoop.mapred.TextOutputFormat;

public class WordCount {

   public static void main(String[] args) throws Exception {
     JobConf conf = new JobConf(WordCount.class);
     conf.setJobName("wordcount");

     conf.setOutputKeyClass(Text.class);
     conf.setOutputValueClass(IntWritable.class);

     conf.setMapperClass(Map.class);
     conf.setCombinerClass(Reduce.class);
     conf.setReducerClass(Reduce.class);

     conf.setInputFormat(TextInputFormat.class);
     conf.setOutputFormat(TextOutputFormat.class);

     FileInputFormat.setInputPaths(conf, new Path(args[0]));
     FileOutputFormat.setOutputPath(conf, new Path(args[1]));

     JobClient.runJob(conf);
   }
}

三個檔完成後並存檔後，整個程式建立完成

---

• 三個檔都存檔後，可以看到icas專案下的src，bin都有檔案產生，我們用指令來check

$ cd workspace/icas
$ ls src/Sample/
mapper.java  reducer.java  WordCount.java
$ ls bin/Sample/
mapper.class  reducer.class  WordCount.class

四、測試範例程式

在此提供兩種方法來run我們從eclipse 上編譯出的code。

方法一是直接在eclipse上用圖形介面操作，參閱 4.1 在eclipse上操作

方法二是產生jar檔後搭配自動編譯程式Makefile，參閱4.2

4.1 法一：在eclipse上操作

• 右鍵點選專案資料夾：icas -> run as -> run on Hadoop

4.2 法二：jar檔搭配自動編譯程式

• eclipse 可以產生出jar檔 :

File -> Export -> java -> JAR file
-> next ->

---

選擇要匯出的專案 -> jarfile: /home/hadooper/mytest.jar ->
next ->

---

next ->

---

main class: 選擇有Main的class ->
Finish

---

• 以上的步驟就可以在/home/hadooper/ 產生出你的 mytest.jar
• 不過程式常常修改，每次都做這些動作也很累很煩，讓我們來體驗一下用指令比用圖形介面操作還方便吧

4.2.1 產生Makefile 檔

$ cd /home/hadooper/workspace/icas/
$ gedit Makefile

• 輸入以下Makefile的內容

  JarFile="sample-0.1.jar"
  MainFunc="Sample.WordCount"
  LocalOutDir="/tmp/output"
  
  all:help
  jar:
    jar -cvf ${JarFile} -C bin/ .
  
  run:
    hadoop jar ${JarFile} ${MainFunc} input output
  
  clean:
    hadoop fs -rmr output
  
  output:
    rm -rf ${LocalOutDir}
    hadoop fs -get output ${LocalOutDir}
    gedit ${LocalOutDir}/part-r-00000 & 
  
  help:
    @echo "Usage:"
    @echo " make jar     - Build Jar File."
    @echo " make clean   - Clean up Output directory on HDFS."
    @echo " make run     - Run your MapReduce code on Hadoop."
    @echo " make output  - Download and show output file"
    @echo " make help    - Show Makefile options."
    @echo " "
    @echo "Example:"
    @echo " make jar; make run; make output; make clean"
  
  

4.2.2 執行

• 執行Makefile，可以到該目錄下，執行make [參數]，若不知道參數為何，可以打make 或 make help
• make 的用法說明

$ cd /home/hadooper/workspace/icas/
$ make
Usage:
 make jar     - Build Jar File.
 make clean   - Clean up Output directory on HDFS.
 make run     - Run your MapReduce code on Hadoop.
 make output  - Download and show output file
 make help    - Show Makefile options.
 
Example:
 make jar; make run; make output; make clean

• 下面提供各種make 的參數

make jar

• 1. 編譯產生jar檔

$ make jar

make run

• 2. 跑我們的wordcount 於hadoop上

$ make run

• make run基本上能正確無誤的運作到結束，因此代表我們在eclipse編譯的程式可以順利在hadoop0.18.3的平台上運行。

• 而回到eclipse視窗，我們可以看到下方視窗run完的job會呈現出來；左方視窗也多出output資料夾，part-r-00000就是我們的結果檔

---

• 因為有設定完整的javadoc, 因此可以得到詳細的解說與輔助

make output

• 3. 這個指令是幫助使用者將結果檔從hdfs下載到local端，並且用gedit來開啟你的結果檔

$ make output

make clean

• 4. 這個指令用來把hdfs上的output資料夾清除。如果你還想要在跑一次make run，請先執行make clean，否則hadoop會告訴你，output資料夾已經存在，而拒絕工作喔！

$ make clean

五、結論

• 搭配eclipse ，我們可以更有效率的開發hadoop
• hadoop 0.20 與之前的版本api以及設定都有些改變，可以看 hadoop 0.20 coding (eclipse )