hadoop 0.20 程序开发(转)

cl_303303303

hadoop 0.20 程式開發




eclipse plugin + Makefile


转自：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 Chen	waue @ nchc.org.tw

• Last Update: 2009/06/25
  

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
export
PATH
=
$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/core
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
;

import
org.apache.hadoop.io.IntWritable
;
import
org.apache.hadoop.io.Text
;
import
org.apache.hadoop.mapreduce.Mapper
;

public
class
mapper
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 {
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
;
import
org.apache.hadoop.io.Text
;
import
org.apache.hadoop.mapreduce.Reducer
;

public
class
reducer
extends
Reducer<
Text,
IntWritable,
Text,
IntWritable>
{
private
IntWritable result =
new
IntWritable();

public
void
reduce
(
Text key,
Iterable<
IntWritable>
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
  

　　




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
;
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 <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,
new
Path(
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 ¶

• 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
  

Attachments

• 
  1-1.png
  (41.7 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-1.png
  (28.7 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-2.png
  (48.6 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-3.png
  (64.8 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-4.png
  (42.0 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-4-2.png
  (52.6 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-5.png
  (85.1 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-5-1.png
  (122.6 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-5-2.png
  (85.0 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-5-3.png
  (56.4 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-6.png
  (56.4 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-6-1.png
  (52.8 kB
  ) - added by waue
  7 months
  ago.
  
• 
  2-6-2.png
  (53.4 kB
  ) - added by waue
  7 months
  ago.
  
• 
  3-1.png
  (40.7 kB
  ) - added by waue
  7 months
  ago.
  
• 
  3-2.png
  (173.1 kB
  ) - added by waue
  7 months
  ago.
  
• 
  3-3.png
  (40.4 kB
  ) - added by waue
  7 months
  ago.
  
• 
  3-4.png
  (52.5 kB
  ) - added by waue
  7 months
  ago.
  
• 
  3-5.png
  (212.1 kB
  ) - added by waue
  7 months
  ago.
  
• 
  file-new-mapper.png
  (30.4 kB
  ) - added by waue
  7 months
  ago.
  
• 
  file-new-mr-driver.png
  (30.2 kB
  ) - added by waue
  7 months
  ago.
  
• 
  file-new-project.png
  (26.7 kB
  ) - added by waue
  7 months
  ago.
  
• 
  file-new-reducer.png
  (25.8 kB
  ) - added by waue
  7 months
  ago.
  
• 
  run-on-hadoop.png
  (398.2 kB
  ) - added by waue
  7 months
  ago.
  
• 
  win-open-other.png
  (31.4 kB
  ) - added by waue
  7 months
  ago.
  
• 
  4-1.png
  (200.2 kB
  ) - added by waue
  7 months
  ago.
  
• 
  4-2.png
  (236.2 kB
  ) - added by waue
  7 months
  ago.
  

　　
<script type="text/javascript">
jQuery.loadStyleSheet(&quot;/cloud/pygments/trac.css&quot;, &quot;text/css&quot;);
</script>

Download in other formats:

• 
  Plain Text
  

Powered by Trac 0.11.1


By Edgewall Software
.

Power by Open Source Taskforce
, NCHC
, Taiwan