[[PageOutline]]
{{{
#!html
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
[https://cds.sun.com/is-bin/INTERSHOP.enfinity/WFS/CDS-CDS_Developer-Site/en_US/-/USD/ViewProductDetail-Start?ProductRef=jdk-6u10-docs-oth-JPR@CDS-CDS_Developer 下載點]
[[Image(1-1.png)]]
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
{{{
#!sh
export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:/opt/hadoop/bin
}}}
* 編輯 /opt/hadoop/conf/core-site.xml
{{{
#!sh
fs.default.name
hdfs://localhost:9000
hadoop.tmp.dir
/tmp/hadoop/hadoop-${user.name}
}}}
* 編輯 /opt/hadoop/conf/hdfs-site.xml
{{{
#!sh
dfs.replication
1
}}}
* 編輯 /opt/hadoop/conf/mapred-site.xml
{{{
#!sh
mapred.job.tracker
localhost:9001
}}}
* 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 [http://www.eclipse.org/downloads/download.php?file=/eclipse/downloads/drops/R-3.4.2-200902111700/eclipse-SDK-3.4.2-linux-gtk.tar.gz 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）
{{{
#!sh
-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
[[Image(wiki:waue:2009:0617:2-1.png)]]
-------
'''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||
[[Image(wiki:waue:2009:0617:win-open-other.png)]]
-------
設定要用 Map/Reduce 的視野
[[Image(wiki:waue:2009:0617:2-2.png)]]
---------
使用 Map/Reduce 的視野後的介面呈現
[[Image(wiki:waue:2009:0617:2-3.png)]]
--------
== 2.4 建立專案 ==
|| file -> || new -> || project -> || Map/Reduce -> || Map/Reduce Project -> || next ||
[[Image(wiki:waue:2009:0617:file-new-project.png)]]
--------
建立mapreduce專案(1)
[[Image(wiki:waue:2009:0617:2-4.png)]]
-----------
建立mapreduce專案的(2)
{{{
#!sh
project name-> 輸入 : icas (隨意)
use default hadoop -> Configur Hadoop install... -> 輸入： "/opt/hadoop" -> ok
Finish
}}}
[[Image(wiki:waue:2009:0617:2-4-2.png)]]
--------------
== 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
[[Image(wiki:waue:2009:0617:2-5.png)]]
----------
Step2. 進入專案的細部設定頁
hadoop的javadoc的設定(1)
[[Image(wiki:waue:2009:0617:Image(2-5-1.png)]]
* 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
{{{
#!sh
source ...-> 輸入：/opt/opt/hadoop-0.20.0/src/core
javadoc ...-> 輸入：file:/opt/hadoop/docs/api/
}}}
------------
Step3. hadoop的javadoc的設定完後(2)
[[Image(wiki:waue:2009:0617:Image(2-5-2.png)]]
------------
Step4. java本身的javadoc的設定(3)
* javadoc location -> 輸入：file:/usr/lib/jvm/java-6-sun/docs/api/
[[Image(wiki:waue:2009:0617:2-5-3.png)]]
-----
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：
[[Image(wiki:waue:2009:0617:2-6.png)]]
-------------
Step2. 進行eclipse 與 hadoop 間的設定(2)
[[Image(wiki:waue:2009:0617:2-6-1.png)]]
{{{
#!sh
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
[[Image(wiki:waue:2009:0617:2-6-2.png)]]
-------------
= 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 ||
[[Image(wiki:waue:2009:0617:file-new-mapper.png)]]
-----------
2. create
[[Image(wiki:waue:2009:0617:3-1.png)]]
{{{
#!sh
source folder-> 輸入： icas/src
Package : Sample
Name -> : mapper
}}}
----------
3. modify
{{{
#!java
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 {
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
[[Image(wiki:waue:2009:0617:3-2.png)]]
------------
== 3.2 reducer.java ==
1. new
* File -> new -> reducer
[[Image(wiki:waue:2009:0617:file-new-reducer.png)]]
-------
2. create
[[Image(wiki:waue:2009:0617:3-3.png)]]
{{{
#!sh
source folder-> 輸入： icas/src
Package : Sample
Name -> : reducer
}}}
-----------
3. modify
{{{
#!java
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 {
private IntWritable result = new IntWritable();
public void reduce(Text key, Iterable 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
[[Image(wiki:waue:2009:0617:file-new-mr-driver.png)]]
----------
== 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
[[Image(wiki:waue:2009:0617:3-4.png)]]
------------
2. create
{{{
#!sh
source folder-> 輸入： icas/src
Package : Sample
Name -> : WordCount.java
}}}
-------
3. modify
{{{
#!java
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 ");
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
[[Image(wiki:waue:2009:0617:3-5.png)]]
-------
* 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
[[Image(wiki:waue:2009:0617:run-on-hadoop.png)]]
* 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
{{{
#!sh
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
[[Image(wiki:waue:2009:0617:4-1.png)]]
------
* 因為有設定完整的javadoc, 因此可以得到詳細的解說與輔助
[[Image(wiki:waue:2009:0617:4-2.png)]]
=== 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[http://hadoop.apache.org/core/docs/r0.20.0/quickstart.html hadoop 0.20 的quickstart]； 而如何使用 [http://hadoop.apache.org/core/docs/r0.20.0/api/ 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