Hadoop学习笔记之在Eclipse中远程调试Hadoop

花蜻宽

　　插件
　　话说Hadoop 1.0.2/src/contrib/eclipse-plugin只有插件的源代码，这里给出一个我打包好的对应的Eclipse插件：
下载地址
　　下载后扔到eclipse/dropins目录下即可，当然eclipse/plugins也是可以的，前者更为轻便，推荐；重启Eclipse，即可在透视图(Perspective)中看到Map/Reduce。
　　配置
　　点击蓝色的小象图标，新建一个Hadoop连接：

　　注意，一定要填写正确，修改了某些端口，以及默认运行的用户名等
　　具体的设置，可见
　　正常情况下，可以在项目区域可以看到

　　这样可以正常的进行HDFS分布式文件系统的管理：上传，删除等操作。
　　为下面测试做准备，需要先建了一个目录 user/root/input2，然后上传两个txt文件到此目录：
　　intput1.txt 对应内容：Hello Hadoop Goodbye Hadoop
　　intput2.txt 对应内容：Hello World Bye World
　　HDFS的准备工作好了，下面可以开始测试了。
　　Hadoop工程
　　新建一个Map/Reduce Project工程，设定好本地的hadoop目录

　　新建一个测试类WordCountTest：
　　
<script src="https://gist.github.com/2477347.js?file=WordCountTest.java"></script>



package com.hadoop.learn.test;




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.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.output.FileOutputFormat;


import org.apache.hadoop.util.GenericOptionsParser;


import org.apache.log4j.Logger;



/**
* 运行测试程序
*
* @author yongboy
* @date 2012-04-16
*/

public class WordCountTest {

private static final Logger log = Logger.getLogger(WordCountTest.class);



public static class TokenizerMapper extends

Mapper<Object, 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 {

log.info("Map key : " + key);

log.info("Map value : " + value);

StringTokenizer itr = new StringTokenizer(value.toString());

while (itr.hasMoreTokens()) {

String wordStr = itr.nextToken();

word.set(wordStr);

log.info("Map word : " + wordStr);

context.write(word, one);

}

}

}



public static class IntSumReducer extends

Reducer<Text, IntWritable, Text, IntWritable> {

private IntWritable result = new IntWritable();



public void reduce(Text key, Iterable<IntWritable> values,

Context context) throws IOException, InterruptedException {

log.info("Reduce key : " + key);

log.info("Reduce value : " + values);

int sum = 0;

for (IntWritable val : values) {

sum += val.get();

}

result.set(sum);

log.info("Reduce sum : " + sum);

context.write(key, result);

}

}



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: WordCountTest <in> <out>");

System.exit(2);

}



Job job = new Job(conf, "word count");

job.setJarByClass(WordCountTest.class);



job.setMapperClass(TokenizerMapper.class);

job.setCombinerClass(IntSumReducer.class);

job.setReducerClass(IntSumReducer.class);

job.setOutputKeyClass(Text.class);

job.setOutputValueClass(IntWritable.class);



FileInputFormat.addInputPath(job, new Path(otherArgs[0]));

FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));



System.exit(job.waitForCompletion(true) ? 0 : 1);

}

}





view raw WordCountTest.java This Gist brought to you by GitHub.




　　右键，选择“Run Configurations”,弹出窗口，点击“Arguments”选项卡,在“Program argumetns”处预先输入参数:

　　hdfs://master:9000/user/root/input2 dfs://master:9000/user/root/output2

　　备注：参数为了在本地调试使用，而非真实环境。
　　然后，点击“Apply”，然后“Close”。现在可以右键，选择“Run on Hadoop”，运行。
　　但此时会出现类似异常信息：

　　12/04/24 15:32:44 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
12/04/24 15:32:44 ERROR security.UserGroupInformation: PriviledgedActionException as:Administrator cause:java.io.IOException: Failed to set permissions of path: \tmp\hadoop-Administrator\mapred\staging\Administrator-519341271\.staging to 0700
Exception in thread "main" java.io.IOException: Failed to set permissions of path: \tmp\hadoop-Administrator\mapred\staging\Administrator-519341271\.staging to 0700
    at org.apache.hadoop.fs.FileUtil.checkReturnValue(FileUtil.java:682)
    at org.apache.hadoop.fs.FileUtil.setPermission(FileUtil.java:655)
    at org.apache.hadoop.fs.RawLocalFileSystem.setPermission(RawLocalFileSystem.java:509)
    at org.apache.hadoop.fs.RawLocalFileSystem.mkdirs(RawLocalFileSystem.java:344)
    at org.apache.hadoop.fs.FilterFileSystem.mkdirs(FilterFileSystem.java:189)
    at org.apache.hadoop.mapreduce.JobSubmissionFiles.getStagingDir(JobSubmissionFiles.java:116)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:856)
    at org.apache.hadoop.mapred.JobClient$2.run(JobClient.java:850)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:396)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1093)
    at org.apache.hadoop.mapred.JobClient.submitJobInternal(JobClient.java:850)
    at org.apache.hadoop.mapreduce.Job.submit(Job.java:500)
    at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:530)
    at com.hadoop.learn.test.WordCountTest.main(WordCountTest.java:85)

　　这个是Windows下文件权限问题，在Linux下可以正常运行，不存在这样的问题。
　　解决方法是，修改/hadoop-1.0.2/src/core/org/apache/hadoop/fs/FileUtil.java里面的checkReturnValue，注释掉即可（有些粗暴，在Window下，可以不用检查）：
　　
<script src="https://gist.github.com/2477544.js?file=FileUtil.java"></script>


......
  private static void checkReturnValue(boolean rv, File p,
                                       FsPermission permission

                                       ) throws IOException {

    /**

if (!rv) {
      throw new IOException("Failed to set permissions of path: " + p +
                            " to " +
                            String.format("%04o", permission.toShort()));
    }
**/
  }

......





view raw FileUtil.java This Gist brought to you by GitHub.




　　重新编译打包hadoop-core-1.0.2.jar，替换掉hadoop-1.0.2根目录下的hadoop-core-1.0.2.jar即可。
　　这里提供一份修改版的hadoop-core-1.0.2-modified.jar文件，替换原hadoop-core-1.0.2.jar即可。
　　替换之后，刷新项目，设置好正确的jar包依赖，现在再运行WordCountTest，即可。
　　成功之后，在Eclipse下刷新HDFS目录，可以看到生成了ouput2目录：

　　点击“ part-r-00000”文件，可以看到排序结果：

　　Bye    1
Goodbye    1
Hadoop    2
Hello    2
World    2

　　嗯，一样可以正常Debug调试该程序，设置断点（右键 –> Debug As – > Java Application），即可（每次运行之前，都需要收到删除输出目录）。
　　另外，该插件会在eclipse对应的workspace\.metadata\.plugins\org.apache.hadoop.eclipse下，自动生成jar文件，以及其他文件，包括Haoop的一些具体配置等。
　　嗯，更多细节，慢慢体验吧。
　　遇到的异常

　　org.apache.hadoop.ipc.RemoteException: org.apache.hadoop.hdfs.server.namenode.SafeModeException: Cannot create directory /user/root/output2/_temporary. Name node is in safe mode.
The ratio of reported blocks 0.5000 has not reached the threshold 0.9990. Safe mode will be turned off automatically.
    at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.mkdirsInternal(FSNamesystem.java:2055)
    at org.apache.hadoop.hdfs.server.namenode.FSNamesystem.mkdirs(FSNamesystem.java:2029)
    at org.apache.hadoop.hdfs.server.namenode.NameNode.mkdirs(NameNode.java:817)
    at sun.reflect.NativeMethodAccessorImpl.invoke0(Native Method)
    at sun.reflect.NativeMethodAccessorImpl.invoke(NativeMethodAccessorImpl.java:39)
    at sun.reflect.DelegatingMethodAccessorImpl.invoke(DelegatingMethodAccessorImpl.java:25)
    at java.lang.reflect.Method.invoke(Method.java:597)
    at org.apache.hadoop.ipc.RPC$Server.call(RPC.java:563)
    at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:1388)
    at org.apache.hadoop.ipc.Server$Handler$1.run(Server.java:1384)
    at java.security.AccessController.doPrivileged(Native Method)
    at javax.security.auth.Subject.doAs(Subject.java:396)
    at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1093)
    at org.apache.hadoop.ipc.Server$Handler.run(Server.java:1382)

　　在主节点处，关闭掉安全模式：

　　#bin/hadoop dfsadmin –safemode leave

　　如何打包
　　将创建的Map/Reduce项目打包成jar包，很简单的事情，无需多言。保证jar文件的META-INF/MANIFEST.MF文件中存在Main-Class映射：

　　Main-Class: com.hadoop.learn.test.TestDriver

　　若使用到第三方jar包，那么在MANIFEST.MF中增加Class-Path好了。
　　另外可使用插件提供的MapReduce Driver向导，可以帮忙我们在Hadoop中运行，直接指定别名，尤其是包含多个Map/Reduce作业时，很有用。
　　一个MapReduce Driver只要包含一个main函数，指定别名：
　　
<script src="https://gist.github.com/2498401.js?file=TestDriver.java"></script>



package com.hadoop.learn.test;




import org.apache.hadoop.util.ProgramDriver;



/**
*
* @author yongboy
* @time 2012-4-24
* @version 1.0
*/

public class TestDriver {



public static void main(String[] args) {

int exitCode = -1;

ProgramDriver pgd = new ProgramDriver();

try {

pgd.addClass("testcount", WordCountTest.class,

"A test map/reduce program that counts the words in the input files.");

pgd.driver(args);



exitCode = 0;

} catch (Throwable e) {

e.printStackTrace();

}



System.exit(exitCode);

}

}





view raw TestDriver.java This Gist brought to you by GitHub.




　　这里有一个小技巧，MapReduce Driver类上面，右键运行，Run on Hadoop，会在Eclipse的workspace\.metadata\.plugins\org.apache.hadoop.eclipse目录下自动生成jar包，上传到HDFS，或者远程hadoop根目录下，运行它:

　　# bin/hadoop jar LearnHadoop_TestDriver.java-460881982912511899.jar testcount input2 output3

　　OK，本文结束。