hadoop 0.20 程式開發

eclipse plugin + Makefile

零. 前言

• 開發hadoop 需要用到許多的物件導向語法，包括繼承關係、介面類別，而且需要匯入正確的classpath，否則寫hadoop程式只是打字練習...
• 用類 vim 來處理這種複雜的程式，有可能會變成一場惡夢，因此用eclipse開發，搭配mapreduce-plugin會事半功倍。
• 早在hadoop 0.19～0.16之間的版本，筆者就試過各個plugin，每個版本的plugin都確實有大大小小的問題，如：hadoop plugin 無法正確使用、無法run as mapreduce。hadoop0.16搭配IBM的hadoop_plugin 可以提供完整的功能，但是，老兵不死，只是凋零...
• 子曰："逝者如斯夫，不捨晝夜"，以前寫的文件也落伍了，要跟上潮流，因此此篇的重點在：用eclipse 3.4.2 開發hadoop 0.20程式，並且測試撰寫的程式運作在hadoop平台上
• 以下是我的作法，如果你有更好的作法，或有需要更正的地方，請與我聯絡

單位	作者	Mail
國家高速網路中心-格網技術組	Wei-Yu Chen	waue @ nchc.org.tw

0.0 Info Update

• Last Update: 2010/01/22

最新版本的 Eclipse 3.5 搭配 Ubuntu 9.04 + hadoop-eclipse-plugin 0.20.1 ，初步測試功能皆可正常運作

但 Ubuntu 9.10 的 各版本 Eclipse ， 似乎會有 gtk 圖形介面的bug ，有此一說增加 GDK_NATIVE_WINDOWS=1 就可以解決問題，但經過初步測試似乎無用

0.1 環境說明

• ubuntu 8.10
• sun-java-6
• eclipse 3.4.2
• hadoop 0.20.0

0.2 目錄說明

• 使用者：waue
• 使用者家目錄： /home/waue
• 專案目錄 ： /home/waue/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

3 執行

$ sudo apt-get install sun-java6-doc

1.2. ssh 安裝設定

$ apt-get install ssh 
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ ssh localhost

執行ssh localhost 沒有出現詢問密碼的訊息則無誤

1.3. 安裝hadoop

安裝hadoop0.20到/opt/並取目錄名為hadoop

$ cd ~
$ wget http://apache.ntu.edu.tw/hadoop/core/hadoop-0.20.0/hadoop-0.20.0.tar.gz
$ tar zxvf hadoop-0.20.0.tar.gz
$ sudo mv hadoop-0.20.0 /opt/
$ sudo chown -R waue:waue /opt/hadoop-0.20.0
$ sudo ln -sf /opt/hadoop-0.20.0 /opt/hadoop

• 編輯 /opt/hadoop/conf/hadoop-env.sh

export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:/opt/hadoop/bin

• 編輯 /opt/hadoop/conf/core-site.xml

<configuration>
  <property>
    <name>fs.default.name</name>
    <value>hdfs://localhost:9000</value>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/tmp/hadoop/hadoop-${user.name}</value>
  </property>
</configuration>

• 編輯 /opt/hadoop/conf/hdfs-site.xml

<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>

• 編輯 /opt/hadoop/conf/mapred-site.xml

<configuration>
  <property>
    <name>mapred.job.tracker</name>
    <value>localhost:9001</value>
  </property>
</configuration>

• 啟動

  $ cd /opt/hadoop
  $ source /opt/hadoop/conf/hadoop-env.sh
  $ hadoop namenode -format
  $ start-all.sh
  $ hadoop fs -put conf input
  $ hadoop fs -ls 
  

• 沒有錯誤訊息則代表無誤

1.4. 安裝eclipse

• 在此提供兩個方法來下載檔案
  • 方法一：下載 ​eclipse SDK 3.4.2 Classic，並且放這檔案到家目錄
  • 方法二：貼上指令

    $ cd ~
    $ wget http://ftp.cs.pu.edu.tw/pub/eclipse/eclipse/downloads/drops/R-3.4.2-200902111700/eclipse-SDK-3.4.2-linux-gtk.tar.gz
    

• eclipse 檔已下載到家目錄後，執行下面指令：

$ cd ~
$ tar -zxvf eclipse-SDK-3.4.2-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 0.20.0 eclipse plugin

$ cd /opt/hadoop
$ sudo cp /opt/hadoop/contrib/eclipse-plugin/hadoop-0.20.0-eclipse-plugin.jar /opt/eclipse/plugins

$ sudo vim /opt/eclipse/eclipse.ini

• 可斟酌參考eclipse.ini內容（非必要）

-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 -> hadoop-0.20.0-ant.jar
• java Build Path -> Libraries -> hadoop-0.20.0-core.jar
• java Build Path -> Libraries -> hadoop-0.20.0-tools.jar
  • 以 hadoop-0.20.0-core.jar 的設定內容如下，其他依此類推

source ...-> 輸入：/opt/opt/hadoop-0.20.0/src
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/waue/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.Text;
import org.apache.hadoop.mapreduce.Mapper;

public class mapper 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);
    }
  }
}

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 org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

public class reducer 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);
  }
}

• 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.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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

  public static void main(String[] args) throws Exception {
    Configuration conf = new Configuration();
    String[] otherArgs = new GenericOptionsParser(conf, args)
        .getRemainingArgs();
    if (otherArgs.length != 2) {
      System.err.println("Usage: wordcount <in> <out>");
      System.exit(2);
    }
    Job job = new Job(conf, "word count");
    job.setJarByClass(WordCount.class);
    job.setMapperClass(mapper.class);

    job.setCombinerClass(reducer.class);
    job.setReducerClass(reducer.class);
    job.setOutputKeyClass(Text.class);
    job.setOutputValueClass(IntWritable.class);
    FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
    FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
    System.exit(job.waitForCompletion(true) ? 0 : 1);
  }
}

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

• 由於hadoop 0.20 此版本的eclipse-plugin依舊不完整 ，如：
  • 右鍵點選WordCount.java -> run as -> run on Hadoop ：沒有效果

• 因此，4.1 提供一個eclipse 上解除 run-on-hadoop 封印的方法。而4.2 則是避開run-on-hadoop 這個功能，用command mode端指令的方法執行。

4.1 解除run-on-hadoop封印

有一熱心的hadoop使用者提供一個能讓 run-on-hadoop 這個功能恢復的方法。

原因是hadoop 的 eclipse-plugin 也許是用eclipse europa 這個版本開發的，而eclipse 的各版本 3.2 , 3.3, 3.4 間也都有或多或少的差異性存在。

因此如果先用eclipse europa 來建立一個新專案，之後把europa的eclipse這個版本關掉，換用eclipse 3.4開啟，之後這個專案就能用run-on-mapreduce 這個功能囉！

有興趣的話可以試試！（感謝逢甲資工所謝同學）

4.2 運用終端指令

4.2.1 產生Makefile 檔

$ cd /home/waue/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/waue/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hadoop0.20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，因此hadoop 環境的設定，需要看​hadoop 0.20 的quickstart； 而如何使用 ​hadoop 0.20 的api，則可以看 /opt/hadoop/src/example/ 裡面的程式碼來提供初步的構想