eclipse/intellij idea 遠程調試hadoop 2.6.0 - yjmyzz－IT工程師數位筆記本

文章出處

很多hadoop初學者估計都我一樣，由于沒有足夠的機器資源，只能在虛擬機里弄一個linux安裝hadoop的偽分布，然后在host機上win7里使用eclipse或Intellj idea來寫代碼測試，那么問題來了，win7下的eclipse或intellij idea如何遠程提交map/reduce任務到遠程hadoop，并斷點調試？

一、準備工作

1.1 在win7中，找一個目錄，解壓hadoop-2.6.0，本文中是D:\yangjm\Code\study\hadoop\hadoop-2.6.0 (以下用$HADOOP_HOME表示)

1.2 在win7中添加幾個環境變量

HADOOP_HOME=D:\yangjm\Code\study\hadoop\hadoop-2.6.0

HADOOP_BIN_PATH=%HADOOP_HOME%\bin

HADOOP_PREFIX=D:\yangjm\Code\study\hadoop\hadoop-2.6.0

另外，PATH變量在最后追加;%HADOOP_HOME%\bin

二、eclipse遠程調試

1.1 下載hadoop-eclipse-plugin插件

hadoop-eclipse-plugin是一個專門用于eclipse的hadoop插件，可以直接在IDE環境中查看hdfs的目錄和文件內容。其源代碼托管于github上，官網地址是 https://github.com/winghc/hadoop2x-eclipse-plugin

有興趣的可以自己下載源碼編譯，百度一下N多文章，但如果只是使用 https://github.com/winghc/hadoop2x-eclipse-plugin/tree/master/release%20 這里已經提供了各種編譯好的版本，直接用就行，將下載后的hadoop-eclipse-plugin-2.6.0.jar復制到eclipse/plugins目錄下，然后重啟eclipse就完事了

1.2 下載windows64位平臺的hadoop2.6插件包(hadoop.dll,winutils.exe)

在hadoop2.6.0源碼的hadoop-common-project\hadoop-common\src\main\winutils下，有一個vs.net工程，編譯這個工程可以得到這一堆文件，輸出的文件中，

hadoop.dll、winutils.exe 這二個最有用，將winutils.exe復制到$HADOOP_HOME\bin目錄，將hadoop.dll復制到%windir%\system32目錄 (主要是防止插件報各種莫名錯誤，比如空對象引用啥的)

注：如果不想編譯，可直接下載編譯好的文件 hadoop2.6(x64)V0.2.zip

1.3 配置hadoop-eclipse-plugin插件

啟動eclipse，windows->show view->other

window->preferences->hadoop map/reduce 指定win7上的hadoop根目錄（即：$HADOOP_HOME）

點擊查看原圖

然后在Map/Reduce Locations 面板中，點擊小象圖標

點擊查看原圖

添加一個Location

這個界面灰常重要，解釋一下幾個參數：

Location name 這里就是起個名字，隨便起

Map/Reduce(V2) Master Host 這里就是虛擬機里hadoop master對應的IP地址，下面的端口對應 hdfs-site.xml里dfs.datanode.ipc.address屬性所指定的端口

DFS Master Port：這里的端口，對應core-site.xml里fs.defaultFS所指定的端口

最后的user name要跟虛擬機里運行hadoop的用戶名一致，我是用hadoop身份安裝運行hadoop 2.6.0的，所以這里填寫hadoop，如果你是用root安裝的，相應的改成root

這些參數指定好以后，點擊Finish，eclipse就知道如何去連接hadoop了，一切順利的話，在Project Explorer面板中，就能看到hdfs里的目錄和文件了

可以在文件上右擊，選擇刪除試下，通常第一次是不成功的，會提示一堆東西，大意是權限不足之類，原因是當前的win7登錄用戶不是虛擬機里hadoop的運行用戶，解決辦法有很多，比如你可以在win7上新建一個hadoop的管理員用戶，然后切換成hadoop登錄win7，再使用eclipse開發，但是這樣太煩，最簡單的辦法:

hdfs-site.xml里添加

1  <property>
2     <name>dfs.permissions</name>
3     <value>false</value>
4  </property>

然后在虛擬機里，運行hadoop dfsadmin -safemode leave

保險起見，再來一個 hadoop fs -chmod 777 /

總而言之，就是徹底把hadoop的安全檢測關掉（學習階段不需要這些，正式生產上時，不要這么干），最后重啟hadoop，再到eclipse里，重復剛才的刪除文件操作試下，應該可以了。

1.4 創建WoldCount示例項目

新建一個項目，選擇Map/Reduce Project

后面的Next就行了，然后放一上WodCount.java，代碼如下：

 1 package yjmyzz;
 2 
 3 import java.io.IOException;
 4 import java.util.StringTokenizer;
 5 
 6 import org.apache.hadoop.conf.Configuration;
 7 import org.apache.hadoop.fs.Path;
 8 import org.apache.hadoop.io.IntWritable;
 9 import org.apache.hadoop.io.Text;
10 import org.apache.hadoop.mapreduce.Job;
11 import org.apache.hadoop.mapreduce.Mapper;
12 import org.apache.hadoop.mapreduce.Reducer;
13 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
14 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
15 import org.apache.hadoop.util.GenericOptionsParser;
16 
17 public class WordCount {
18 
19     public static class TokenizerMapper
20             extends Mapper<Object, Text, Text, IntWritable> {
21 
22         private final static IntWritable one = new IntWritable(1);
23         private Text word = new Text();
24 
25         public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
26             StringTokenizer itr = new StringTokenizer(value.toString());
27             while (itr.hasMoreTokens()) {
28                 word.set(itr.nextToken());
29                 context.write(word, one);
30             }
31         }
32     }
33 
34     public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
35         private IntWritable result = new IntWritable();
36 
37         public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
38             int sum = 0;
39             for (IntWritable val : values) {
40                 sum += val.get();
41             }
42             result.set(sum);
43             context.write(key, result);
44         }
45     }
46 
47     public static void main(String[] args) throws Exception {
48         Configuration conf = new Configuration();        
49         String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
50         if (otherArgs.length < 2) {
51             System.err.println("Usage: wordcount <in> [<in>...] <out>");
52             System.exit(2);
53         }
54         Job job = Job.getInstance(conf, "word count");
55         job.setJarByClass(WordCount.class);
56         job.setMapperClass(TokenizerMapper.class);
57         job.setCombinerClass(IntSumReducer.class);
58         job.setReducerClass(IntSumReducer.class);
59         job.setOutputKeyClass(Text.class);
60         job.setOutputValueClass(IntWritable.class);
61         for (int i = 0; i < otherArgs.length - 1; ++i) {
62             FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
63         }
64         FileOutputFormat.setOutputPath(job,
65                 new Path(otherArgs[otherArgs.length - 1]));
66         System.exit(job.waitForCompletion(true) ? 0 : 1);
67     }
68 }

View Code

然后再放一個log4j.properties，內容如下：（為了方便運行起來后，查看各種輸出）

 1 log4j.rootLogger=INFO, stdout
 2 
 3 #log4j.logger.org.springframework=INFO
 4 #log4j.logger.org.apache.activemq=INFO
 5 #log4j.logger.org.apache.activemq.spring=WARN
 6 #log4j.logger.org.apache.activemq.store.journal=INFO
 7 #log4j.logger.org.activeio.journal=INFO
 8 
 9 log4j.appender.stdout=org.apache.log4j.ConsoleAppender
10 log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
11 log4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} | %-5.5p | %-16.16t | %-32.32c{1} | %-32.32C %4L | %m%n

View Code

最終的目錄結構如下：

然后可以Run了，當然是不會成功的，因為沒給WordCount輸入參數，參考下圖：

1.5 設置運行參數

點擊查看原圖

因為WordCount是輸入一個文件用于統計單詞字，然后輸出到另一個文件夾下，所以給二個參數，參考上圖，在Program arguments里，輸入

hdfs://172.28.20.xxx:9000/jimmy/input/README.txt
hdfs://172.28.20.xxx:9000/jimmy/output/

大家參考這個改一下(主要是把IP換成自己虛擬機里的IP)，注意的是，如果input/READM.txt文件沒有，請先手動上傳，然后/output/ 必須是不存在的，否則程序運行到最后，發現目標目錄存在，也會報錯，這個弄完后，可以在適當的位置打個斷點，終于可以調試了：

點擊查看原圖

三、intellij idea 遠程調試hadoop

3.1 創建一個maven的WordCount項目

pom文件如下：

 1 <?xml version="1.0" encoding="UTF-8"?>
 2 <project xmlns="http://maven.apache.org/POM/4.0.0"
 3          xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
 4          xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
 5     <modelVersion>4.0.0</modelVersion>
 6 
 7     <groupId>yjmyzz</groupId>
 8     <artifactId>mapreduce-helloworld</artifactId>
 9     <version>1.0-SNAPSHOT</version>
10 
11     <dependencies>
12         <dependency>
13             <groupId>org.apache.hadoop</groupId>
14             <artifactId>hadoop-common</artifactId>
15             <version>2.6.0</version>
16         </dependency>
17         <dependency>
18             <groupId>org.apache.hadoop</groupId>
19             <artifactId>hadoop-mapreduce-client-jobclient</artifactId>
20             <version>2.6.0</version>
21         </dependency>
22         <dependency>
23             <groupId>commons-cli</groupId>
24             <artifactId>commons-cli</artifactId>
25             <version>1.2</version>
26         </dependency>
27     </dependencies>
28 
29     <build>
30         <finalName>${project.artifactId}</finalName>
31     </build>
32 
33 </project>

View Code

項目結構如下：

項目上右擊-》Open Module Settings 或按F12，打開模塊屬性

添加依賴的Libary引用

點擊查看原圖

然后把$HADOOP_HOME下的對應包全導進來

點擊查看原圖

導入的libary可以起個名稱，比如hadoop2.6

點擊查看原圖

3.2 設置運行參數

點擊查看原圖

注意二個地方：

1是Program aguments，這里跟eclipes類似的做法，指定輸入文件和輸出文件夾

2是Working Directory，即工作目錄，指定為$HADOOP_HOME所在目錄

然后就可以調試了

點擊查看原圖

intellij下唯一不爽的，由于沒有類似eclipse的hadoop插件，每次運行完wordcount，下次再要運行時，只能手動命令行刪除output目錄，再行調試。為了解決這個問題，可以將WordCount代碼改進一下，在運行前先刪除output目錄，見下面的代碼：

 1 package yjmyzz;
 2 
 3 import java.io.IOException;
 4 import java.util.StringTokenizer;
 5 
 6 import org.apache.hadoop.conf.Configuration;
 7 import org.apache.hadoop.fs.FileSystem;
 8 import org.apache.hadoop.fs.Path;
 9 import org.apache.hadoop.io.IntWritable;
10 import org.apache.hadoop.io.Text;
11 import org.apache.hadoop.mapreduce.Job;
12 import org.apache.hadoop.mapreduce.Mapper;
13 import org.apache.hadoop.mapreduce.Reducer;
14 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
15 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
16 import org.apache.hadoop.util.GenericOptionsParser;
17 
18 public class WordCount {
19 
20     public static class TokenizerMapper
21             extends Mapper<Object, Text, Text, IntWritable> {
22 
23         private final static IntWritable one = new IntWritable(1);
24         private Text word = new Text();
25 
26         public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
27             StringTokenizer itr = new StringTokenizer(value.toString());
28             while (itr.hasMoreTokens()) {
29                 word.set(itr.nextToken());
30                 context.write(word, one);
31             }
32         }
33     }
34 
35     public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
36         private IntWritable result = new IntWritable();
37 
38         public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
39             int sum = 0;
40             for (IntWritable val : values) {
41                 sum += val.get();
42             }
43             result.set(sum);
44             context.write(key, result);
45         }
46     }
47 
48 
49     /**
50      * 刪除指定目錄
51      *
52      * @param conf
53      * @param dirPath
54      * @throws IOException
55      */
56     private static void deleteDir(Configuration conf, String dirPath) throws IOException {
57         FileSystem fs = FileSystem.get(conf);
58         Path targetPath = new Path(dirPath);
59         if (fs.exists(targetPath)) {
60             boolean delResult = fs.delete(targetPath, true);
61             if (delResult) {
62                 System.out.println(targetPath + " has been deleted sucessfullly.");
63             } else {
64                 System.out.println(targetPath + " deletion failed.");
65             }
66         }
67 
68     }
69 
70     public static void main(String[] args) throws Exception {
71         Configuration conf = new Configuration();
72         String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();
73         if (otherArgs.length < 2) {
74             System.err.println("Usage: wordcount <in> [<in>...] <out>");
75             System.exit(2);
76         }
77 
78         //先刪除output目錄
79         deleteDir(conf, otherArgs[otherArgs.length - 1]);
80 
81         Job job = Job.getInstance(conf, "word count");
82         job.setJarByClass(WordCount.class);
83         job.setMapperClass(TokenizerMapper.class);
84         job.setCombinerClass(IntSumReducer.class);
85         job.setReducerClass(IntSumReducer.class);
86         job.setOutputKeyClass(Text.class);
87         job.setOutputValueClass(IntWritable.class);
88         for (int i = 0; i < otherArgs.length - 1; ++i) {
89             FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
90         }
91         FileOutputFormat.setOutputPath(job,
92                 new Path(otherArgs[otherArgs.length - 1]));
93         System.exit(job.waitForCompletion(true) ? 0 : 1);
94     }
95 }

View Code

但是光這樣還不夠，在IDE環境中運行時，IDE需要知道去連哪一個hdfs實例（就好象在db開發中，需要在配置xml中指定DataSource一樣的道理），將$HADOOP_HOME\etc\hadoop下的core-site.xml，復制到resouces目錄下，類似下面這樣：

里面的內容如下：

<?xml version="1.0" encoding="UTF-8"?>
<?xml-stylesheet type="text/xsl" href="configuration.xsl"?>
<configuration>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://172.28.20.***:9000</value>
    </property>
</configuration>