wordcount在eclipse下的伪分布式运行过程

wordcount在eclipse上的伪分布式运行过程hadoop 0.20 程式開發http://trac.nchc.org.tw/cloud/wiki/waue/2

wordcount在eclipse上的伪分布式运行过程

hadoop 0.20 程式開發http://trac.nchc.org.tw/cloud/wiki/waue/2009/0617

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 Chenwaue @ 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?exportPATH=$PATH:/opt/hadoop/bin
    編輯 /opt/hadoop/conf/core-site.xml
    <configuration> <property> <name>fs.default.name</name> <value>hdfs://localhost:9000</value> </property> <property> <name>hadoop.tmp.dir</name> <value>/tmp/hadoop/hadoop-${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??
    ?
    new
    ?
    File ->new ->mapper
    create
    source?folder-> 輸入： icas/src Package : Sample Name -> : mapper
    modify
    ?
    package?Sample;?import?java.io.IOException;?import?java.util.StringTokenizer;?importorg.apache.hadoop.io.IntWritable;?import?org.apache.hadoop.io.Text;?importorg.apache.hadoop.mapreduce.Mapper;?public?class?mapper?extends?Mapper<Object,?Text,?Text,IntWritable>?{?private?final?static?IntWritable one?=?new?IntWritable(1);?private?Text word?=?newText();?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??
    new
    File -> new -> reducer
    create
    source?folder-> 輸入： icas/src Package : Sample Name -> : reducer
    modify
    ?
    package?Sample;?import?java.io.IOException;?import?org.apache.hadoop.io.IntWritable;?importorg.apache.hadoop.io.Text;?import?org.apache.hadoop.mapreduce.Reducer;?public?class?reducerextends?Reducer<Text,?IntWritable,?Text,?IntWritable>?{?private?IntWritable result?=?newIntWritable();?public?void?reduce(Text key,?Iterable<IntWritable>?values,?Context context)?throwsIOException,?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)??
    new
    建立WordCount.java，此檔用來驅動mapper 與 reducer，因此選擇 Map/Reduce Driver
    create
    source?folder-> 輸入： icas/src Package : Sample Name -> : WordCount.java
    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;?importorg.apache.hadoop.mapreduce.Job;?import?org.apache.hadoop.mapreduce.lib.input.FileInputFormat;import?org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;?importorg.apache.hadoop.util.GenericOptionsParser;?public?class?WordCount?{?public?static?voidmain(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,?newPath(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??<ul style=

wordcount在eclipse下的伪分布式运行过程

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

二、 建立專案??

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

4.2 運用終端指令??

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??<ul style=

五、結論??<ul style=

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

二、建立專案??

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

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??<ul style=