wiki:waue/2009/0822

hadoop 程式開發 (eclipse plugin)

零. 環境配置

0.1 環境說明

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

1.3. 安裝hadoop

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


  1. create

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

  1. 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


  1. create

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

  1. 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));
    }
  }


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


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

  1. 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

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 )
Last modified 15 years ago Last modified on Aug 25, 2009, 2:02:37 PM