hadoop 0.20 程式開發 eclipse plugin + Makefile
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 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-plugin0.20.1 ，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
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/1-1.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
export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:/opt/hadoop/bin
[*]編輯 /opt/hadoop/conf/core-site.xml
fs.default.name
hdfs://localhost:9000
hadoop.tmp.dir
/tmp/hadoop/hadoop-${user.name}
[*]編輯 /opt/hadoop/conf/hdfs-site.xml
dfs.replication
1
[*]編輯 /opt/hadoop/conf/mapred-site.xml
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
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
http://trac.nchc.org.tw/cloud/raw-attachment/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
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/win-open-other.png
設定要用 Map/Reduce 的視野
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/2-2.png
使用 Map/Reduce 的視野後的介面呈現
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/2-3.png
2.4 建立專案
¶
file -> new -> project -> Map/Reduce -> Map/Reduce Project -> next
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/file-new-project.png
建立mapreduce專案(1)
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/2-4.png
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
http://trac.nchc.org.tw/cloud/raw-attachment/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
http://trac.nchc.org.tw/cloud/raw-attachment/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)
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/2-5-1.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
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)
http://trac.nchc.org.tw/cloud/raw-attachment/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/
http://trac.nchc.org.tw/cloud/raw-attachment/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：
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/2-6.png
Step2. 進行eclipse 與 hadoop 間的設定(2)
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/2-6-1.png
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
http://trac.nchc.org.tw/cloud/raw-attachment/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
¶
[*]new
File -> new -> mapper
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/file-new-mapper.png
[*]create
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/3-1.png
source folder-> 輸入： icas/src
Package : Sample
Name -> : mapper
[*]modify
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 MapperObject, Text, Text, IntWritable> {
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
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/3-2.png
3.2 reducer.java
¶
[*]new
[*]File -> new -> reducer
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/file-new-reducer.png
[*]create
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/3-3.png
source folder-> 輸入： icas/src
Package : Sample
Name -> : reducer
[*]modify
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 ReducerText, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public void reduce(Text key, IterableIntWritable> 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
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/file-new-mr-driver.png
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
http://trac.nchc.org.tw/cloud/raw-attachment/wiki/waue/2009/0617/3-4.png
[*]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;
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));
FileOutputFormat.setOutputPath(job, new Path(otherArgs));
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
http://trac.nchc.org.tw/cloud/raw-attachment/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.javareducer.javaWordCount.java
$ ls bin/Sample/
mapper.classreducer.classWordCount.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
http://trac.nchc.org.tw/cloud/raw-attachment/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
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
http://trac.nchc.org.tw/cloud/raw-attachment/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
http://trac.nchc.org.tw/cloud/raw-attachment/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
hadoop 0.20 的quickstart
； 而如何使用
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
本文来自ChinaUnix博客，如果查看原文请点：http://blog.chinaunix.net/u3/99156/showart_2161877.html
页:
[1]