Windows下开发Hadoop程序遇到的坑及解决方案

背景

过几天工作需要用到Hadoop，于是就弄了本PDF看。看了半天也是晕晕乎乎的。干脆直接动手，这样还能掌握的快一点。于是我就在本地要搭建一个Hadoop的开发环境。

环境前提

1、Hadoop部署在测试服务器上。
2、开发人员在Windows上使用eclipse进行开发。（即运行和开发环境是分开的）
3、环境参数
Linux：CentOS release 6.7 (Final) x86_64

Java ,version：1.7.0_80 (x86_64)

Hadoop ,version：1.2.1

------------------------------

windows ,version：Windows 7 professional x86_64

eclipse ,version：Luna Service Release 2 (4.4.2)

------------------------------

4、其他需要使用的开源库

Apache Ant ,version：1.9.4

开始前准备

1、千万不要有中文路径！！！

2、如果Windows用户名是中文的，改掉它！！！变成英文的用户名！！！

Linux上的Hadoop安装

Java安装

1、Java安装还是相对简单的
2、首先去oracle官网下载对应的Java程序包，下载的时候需要登录，这个比较麻烦。Java下载页面

3、下载好之后是一个tar.gz文件，放到Linux下的某个目录(此处我放在了/opt下)

4、执行命令，解包

cd /opt
tar xvf 刚刚下载的tar.gz的文件名
// 示例
tar xvf jdk-7u80-linux-x64.tar.gz
// 解压出来的文件夹名称太长，这里我把文件夹重命名，这一步不是必须的
mv 解压出的文件名 新文件名
// 示例
mv jdk-7u80-linux-x64 jdk1.7.0_80

5、设置PATH环境变量

vim /etc/profile
// 增加JAVA_HOEM
export JAVA_HOME=/opt/jdk1.7.0_80
export PATH=$PATH:$JAVA_HOME/bin

6、加载当前环境变量

source /etc/profile

7、查看是否成功

java -version

若出现Java的版本信息等文本，证明安装成功。

Hadoop安装

1、下载hadoop的包，可以去官网http://hadoop.apache.org/ 进行下载
2、与Java安装一样，使用tar命令解压，然后配置环境变量
3、

vim /etc/profile

export HADOOP_HOME=/opt/hadoop-1.2.1
export PATH=$PATH:$HADOOP_HOME/bin

source /etc/profile

4、对hadoop进行相关的配置（hadoop文件夹下的conf,这里我的路径为/opt/hadoop-1.2.1）
（1）进入conf目录，vim编辑core-site.xml，编辑如下

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>

<property>
<name>hadoop.tmp.dir</name>
<value>/hadoop</value>
</property>
<property>
<name>dfs.name.dir</name>
<value>/hadoop/name</value>
</property>
<property>
<name>fs.default.name</name>
<value>hdfs://hostname:9000</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>

</configuration>

这里我遇到了第一个坑就是

hdfs://hostname:9000

这一行配置，我根据网上的教程配置自己的hostname，于是变成了这样

hdfs://localhost:9000

几乎网上所有的教程都是这么写的。但是。请最好不要这样，因为这会再你配置eclipse时带来无尽的麻烦。（不要问我是怎么知道的）。我的建议是这样

hdfs://Linux服务器的IP地址:9000

（2）vim 编辑hadoop-env.sh

找到这一行

# export JAVA_HOME=/usr/lib/j2sdk1.5-sun

将它变为

export JAVA_HOME=/opt/jdk1.7.0_80

也就是把刚刚配置的JAVA_HOME的内容复制到此
（3）vim编辑hdfs-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>

<property>
<name>dfs.data.dir</name>
<value>/hadoop/data</value>
</property>
<property>
<name>dfs.permissions</name>
<value>false</value>
</property>

</configuration>

（4）vim编辑mapred-site.xml

<?xml version="1.0"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>

<!-- Put site-specific property overrides in this file. -->

<configuration>

<property>
<name>mapred.job.tracker</name>
<value>Linux的IP地址:9001</value>
</property>

</configuration>

说明一下，dfs.permissions配置默认为true，由于是测试用，这里将其关闭，避免过多的麻烦
这里的配置是最简单的一个配置，目的是为了能让用户快速开始hadoop的使用。

IP:端口号中的端口号可以进行自定义，不一定非要9000和9001，自己能区分就ok
5、进入/opt/hadoop-1.2.1/bin下

./start-all.sh

会出现让你输入root密码的选项，3次。输入就ok
之后格式化hdfs

hadoop fs -format

执行jps命令，若出现以下字样，代表启成功了（前边的数字可能不太一样）

windows下的开发环境搭建

eclipse插件的安装

之前一般eclipse插件都是能在网上下载到的，这次出乎我的意料，很少有下载的，网上的教程几乎清一色都是要自己编译的。我偏不信。。下载了几个。。果然不能用，有几个能用的，但是各种出错。最好的办法还是自己编译一下。
编译很简单的。
首先将刚刚下载的hadoop的tar.gz解压出来，这里我解压到了D盘。

eclipse插件编译

（1）进入D:\hadoop-1.2.1\src\contrib\eclipse-plugin目录下
（2）build.properties文件最下边新增2个配置，注意不要有空格

eclipse.home=D:/eclipse
version=1.2.1

第一行就是你的eclipse的安装目录。第二个的意思就是你的hadoop的版本
（3）修改build.xml
在节点<path id="eclipse-sdk-jars">内新增一个节点

<fileset dir="../../../">
<include name="hadoop*.jar"/>
</fileset>

整个path节点就变成了这样

  <path id="eclipse-sdk-jars">
<fileset dir="${eclipse.home}/plugins/">
<include name="org.eclipse.ui*.jar"/>
<include name="org.eclipse.jdt*.jar"/>
<include name="org.eclipse.core*.jar"/>
<include name="org.eclipse.equinox*.jar"/>
<include name="org.eclipse.debug*.jar"/>
<include name="org.eclipse.osgi*.jar"/>
<include name="org.eclipse.swt*.jar"/>
<include name="org.eclipse.jface*.jar"/>

<include name="org.eclipse.team.cvs.ssh2*.jar"/>
<include name="com.jcraft.jsch*.jar"/>
</fileset>
<fileset dir="../../../">
<include name="hadoop*.jar"/>
</fileset>
</path>

在<target name="jar" depends="compile" unless="skip.contrib">节点内注释掉2行，新增2行，最终target节点变成了这样

<target name="jar" depends="compile" unless="skip.contrib">
<mkdir dir="${build.dir}/lib"/>
<!--
<copy file="${hadoop.root}/build/hadoop-core-${version}.jar" tofile="${build.dir}/lib/hadoop-core.jar" verbose="true"/>
<copy file="${hadoop.root}/build/ivy/lib/Hadoop/common/commons-cli-${commons-cli.version}.jar"  todir="${build.dir}/lib" verbose="true"/>
-->
<copy file="${hadoop.root}/hadoop-core-${version}.jar" tofile="${build.dir}/lib/hadoop-core.jar" verbose="true"/>
<copy file="${hadoop.root}/lib/commons-cli-${commons-cli.version}.jar"  todir="${build.dir}/lib" verbose="true"/>

<jar
jarfile="${build.dir}/hadoop-${name}-${version}.jar"
manifest="${root}/META-INF/MANIFEST.MF">
<fileset dir="${build.dir}" includes="classes/ lib/"/>
<fileset dir="${root}" includes="resources/ plugin.xml"/>
</jar>
</target>

之后使用windows的smd命令行工具，进入D:\hadoop-1.2.1\src\contrib\eclipse-plugin，输入“ant”命令。等待几分钟就ok了（期间需要联网）。

编译成功后，进入D:\hadoop-1.2.1\build\contrib\eclipse-plugin目录下，可以看到有一个hadoop-eclipse-plugin-1.2.1.jar文件，将其复制到eclipse的安装目录下的plugins文件夹内，重启eclipse即可。

eclipse插件配置

（1）首先调出hadoop的view，右上角，打开新的view，选择蓝色的大象，map/reduce



然后选择windows-->preferences



选择刚刚解压到D盘的hadoop路径
（2）配置Location



右键，选择“new hadoop location”，出现新的选项卡



需要填写的地方有几个，
Location Name，自己随便起个名字。
左侧的Master Host和Port，写之前字啊Linux下配置IP与端口号，右侧也是，端口号的对应关系是：
mapred.job.tracker节点的value对应左侧，core-site.xml里的fs.default.name节点value对应右侧。
username写root，因为我之前在Linux一直是用root用户操作的。

（3）修改advanced参数



有好多个参数，这里只要把我们之前在Linux上配置过的节点的值改过来即可。

比如之前我们配置的hadoop.tmp.dir的值是/hadoop，而这里默认的值不是这个，需要改正过来。改好之后，点击完成即可。

eclipse插件使用

我们可以看见刚刚创建的location在左侧显示出来了，点击箭头，可以查看什么在HDFS中的目录结构，在对应目录上右键，可以进行创建，修改文件之类的操作。

遇到的问题

是不是感觉上边太容易了？没有什么坑嘛，是因为我都拿在这里说了。。。
（1）刚刚第一步编译的hadoop-eclipse-plugin-1.2.1.jar，直接使用的话，在配置location时会有各种错误，通过分析错误日志可以发现是由于缺少jar包导致的，我们先关闭eclipse，对这个jar处理一下。
（2）用压缩工具打开jar包，是打开，不是解压，然后进入lib文件夹下，右键添加文件，在D:\hadoop-1.2.1\lib路径下选择要增加的jar包，如图所示



添加这几个jar包之后，我们回到上级目录，进入META-INF，修改MANIFEST.MF文件。
在倒数第二行，将原来的Bundle-ClassPath值修改为

Bundle-ClassPath: classes/,lib/hadoop-core.jar,lib/commons-cli-1.2.jar,lib/commons-configuration-1.6.jar,lib/commons-httpclient-3.0.1.jar,lib/commons-lang-2.4.jar,lib/jackson-core-asl-1.8.8.jar,lib/jackson-mapper-asl-1.8.8.jar

注意，要在一行上写，也就是说中间不要有空格，不要打回车
弄好之后我们保存一下，替换原来的jar包即可。

第二个问题是关于权限问题的，由于在windows上和linux上的文件权限不尽相同，会带来不必要的麻烦，所以我们需要对D:\hadoop-1.2.1\hadoop-core-1.2.1.jar进行修改，不过我按照网上的教程，注释掉部分源码之后，在进行编译，还是会出现错误，不知道是不是我的操作不正确，后来我在网上找到一个修改过的hadoop-core-1.0.3.jar，经测试可以正常使用，我在下边给出连接，大家可以下载使用

hadoop实例

新建Map/Reduce工程，复制如下代码

package xavier.hadoop.wordcount;

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

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Job;
import org.apache.hadoop.mapreduce.Mapper;
import org.apache.hadoop.mapreduce.Reducer;
import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.input.TextInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
import org.apache.hadoop.mapreduce.lib.output.TextOutputFormat;

public class WordCount {

public static class WordCountMap extends
Mapper<LongWritable, Text, Text, IntWritable> {

private final IntWritable one = new IntWritable(1);
private Text word = new Text();

public void map(LongWritable key, Text value, Context context)
throws IOException, InterruptedException {
String line = value.toString();
StringTokenizer token = new StringTokenizer(line);
while (token.hasMoreTokens()) {
word.set(token.nextToken());
context.write(word, one);
}
}
}

public static class WordCountReduce extends
Reducer<Text, IntWritable, Text, IntWritable> {

public void reduce(Text key, Iterable<IntWritable> values,
Context context) throws IOException, InterruptedException {
int sum = 0;
for (IntWritable val : values) {
sum += val.get();
}
context.write(key, new IntWritable(sum));
}
}

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

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

job.setMapperClass(WordCountMap.class);
job.setReducerClass(WordCountReduce.class);

job.setInputFormatClass(TextInputFormat.class);
job.setOutputFormatClass(TextOutputFormat.class);

FileInputFormat.addInputPath(job, new Path(args[0]));
FileOutputFormat.setOutputPath(job, new Path(args[1]));

job.waitForCompletion(true);
}
}

这是一个比较简单的wordcount的入门例子，本人也刚刚接触，就不在讲解代码了。

要运行，需要先配置输入参数，选择run confignation



里边的IP换成自己的就ok。
需要注意的是，input/file01需要自己去创建的，file01随便写几个英文单词的句子就可以，最后会输出文件内每个单词出现的数量。

感觉最后叙述的有些混乱了。。。大家明白意思就好。不一定非要按我的配置来，可以灵活变动的。
以上是我首次配置hadoop的过程，其中花费我不少时间，希望这篇文章能帮更多的初学者少走一些弯路。
最后奉上连接
链接: http://pan.baidu.com/s/1qY3thZQ 密码: g53i