[[PageOutline]]
{{{
#!html
hadoop 程式開發 (eclipse plugin)
}}}
= 零. 環境配置 =
== 0.1 環境說明 ==
* ubuntu 8.10
* sun-java-6
* [http://www.java.com/zh_TW/download/linux_manual.jsp?locale=zh_TW&host=www.java.com:80 java 下載處]
* [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 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
[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(wiki:waue/2009/0617:1-1.png)]]
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
}}}
{{{
#!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/2009/0617:2-5-1.png)]]
* 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
{{{
#!sh
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)
[[Image(wiki:waue/2009/0617:2-5-2.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/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 ||
[[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.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 {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
public void map(LongWritable key, Text value, OutputCollector 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
[[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 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 {
public void reduce(Text key, Iterator values, OutputCollector 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
[[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.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
[[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 =
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
[[Image(wiki:waue/2009/0617:run-on-hadoop.png)]]
== 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 [[br]]
-> next ->
--------
選擇要匯出的專案 ->
jarfile: /home/hadooper/mytest.jar -> [[br]]
next ->
--------
next ->
--------
main class: 選擇有Main的class -> [[br]]
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
{{{
#!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/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
[[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，可以看 [wiki:waue/2009/0617 hadoop 0.20 coding (eclipse )]