eclipse怎样使用maven连接hadoop集群

发布网友 发布时间：2022-04-21 07:08

我来回答

共1个回答

热心网友 时间：2022-04-09 23:39

关于Maven的使用就不再啰嗦了，网上很多，并且这么多年变化也不大，这里仅介绍怎么搭建Hadoop的开发环境。

1. 首先创建工程

[plain] view plain copy

mvn archetype:generate -DgroupId=my.hadoopstudy -DartifactId=hadoopstudy -DarchetypeArtifactId=maven-archetype-quickstart -DinteractiveMode=false  


2. 然后在pom.xml文件里添加hadoop的依赖包hadoop-common, hadoop-client, hadoop-hdfs，添加后的pom.xml文件如下


[html] view plain copy

<project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://maven.apache.org/POM/4.0.0"  

xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">  

<modelVersion>4.0.0</modelVersion>  

<groupId>my.hadoopstudy</groupId>  

<artifactId>hadoopstudy</artifactId>  

<packaging>jar</packaging>  

<version>1.0-SNAPSHOT</version>  

<name>hadoopstudy</name>  

<url>http://maven.apache.org</url>  

<dependencies>  

<dependency>  

<groupId>org.apache.hadoop</groupId>  

<artifactId>hadoop-common</artifactId>  

<version>2.5.1</version>  

</dependency>  

<dependency>  

<groupId>org.apache.hadoop</groupId>  

<artifactId>hadoop-hdfs</artifactId>  

<version>2.5.1</version>  

</dependency>  

<dependency>  

<groupId>org.apache.hadoop</groupId>  

<artifactId>hadoop-client</artifactId>  

<version>2.5.1</version>  

</dependency>  

<dependency>  

<groupId>junit</groupId>  

<artifactId>junit</artifactId>  

<version>3.8.1</version>  

<scope>test</scope>  

</dependency>  

</dependencies>  

</project>  


3. 测试
3.1 首先我们可以测试一下hdfs的开发，这里假定使用上一篇Hadoop文章中的hadoop集群，类代码如下


[java] view plain copy

package my.hadoopstudy.dfs;  

import org.apache.hadoop.conf.Configuration;  

import org.apache.hadoop.fs.FSDataOutputStream;  

import org.apache.hadoop.fs.FileStatus;  

import org.apache.hadoop.fs.FileSystem;  

import org.apache.hadoop.fs.Path;  

import org.apache.hadoop.io.IOUtils;  

import java.io.InputStream;  

import java.net.URI;  

public class Test {  

public static void main(String[] args) throws Exception {  

String uri = "hdfs://9.111.254.189:9000/";  

Configuration config = new Configuration();  

FileSystem fs = FileSystem.get(URI.create(uri), config);  

// 列出hdfs上/user/fkong/目录下的所有文件和目录  

FileStatus[] statuses = fs.listStatus(new Path("/user/fkong"));  

for (FileStatus status : statuses) {  

System.out.println(status);  

}  

// 在hdfs的/user/fkong目录下创建一个文件，并写入一行文本  

FSDataOutputStream os = fs.create(new Path("/user/fkong/test.log"));  

os.write("Hello World!".getBytes());  

os.flush();  

os.close();  

// 显示在hdfs的/user/fkong下指定文件的内容  

InputStream is = fs.open(new Path("/user/fkong/test.log"));  

IOUtils.copyBytes(is, System.out, 1024, true);  

}  

}  


3.2 测试MapRece作业
测试代码比较简单，如下：


[java] view plain copy

package my.hadoopstudy.maprece;  

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.maprece.Job;  

import org.apache.hadoop.maprece.Mapper;  

import org.apache.hadoop.maprece.Recer;  

import org.apache.hadoop.maprece.lib.input.FileInputFormat;  

import org.apache.hadoop.maprece.lib.output.FileOutputFormat;  

import org.apache.hadoop.util.GenericOptionsParser;  

import java.io.IOException;  

public class EventCount {  

public static class MyMapper extends Mapper<Object, Text, Text, IntWritable>{  

private final static IntWritable one = new IntWritable(1);  

private Text event = new Text();  

public void map(Object key, Text value, Context context) throws IOException, InterruptedException {  

int idx = value.toString().indexOf(" ");  

if (idx > 0) {  

String e = value.toString().substring(0, idx);  

event.set(e);  

context.write(event, one);  

}  

}  

}  

public static class MyRecer extends Recer<Text,IntWritable,Text,IntWritable> {  

private IntWritable result = new IntWritable();  

public void rece(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);  

}  

}  

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: EventCount <in> <out>");  

System.exit(2);  

}  

Job job = Job.getInstance(conf, "event count");  

job.setJarByClass(EventCount.class);  

job.setMapperClass(MyMapper.class);  

job.setCombinerClass(MyRecer.class);  

job.setRecerClass(MyRecer.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);  

}  

}  




运行“mvn package”命令产生jar包hadoopstudy-1.0-SNAPSHOT.jar，并将jar文件复制到hadoop安装目录下

这里假定我们需要分析几个日志文件中的Event信息来统计各种Event个数，所以创建一下目录和文件

[plain] view plain copy

/tmp/input/event.log.1  

/tmp/input/event.log.2  

/tmp/input/event.log.3  


因为这里只是要做一个列子，所以每个文件内容可以都一样，假如内容如下


[plain] view plain copy

JOB_NEW ...  

JOB_NEW ...  

JOB_FINISH ...  

JOB_NEW ...  

JOB_FINISH ...  


然后把这些文件复制到HDFS上

[plain] view plain copy

$ bin/hdfs dfs -put /tmp/input /user/fkong/input  


运行maprece作业

[plain] view plain copy

$ bin/hadoop jar hadoopstudy-1.0-SNAPSHOT.jar my.hadoopstudy.maprece.EventCount /user/fkong/input /user/fkong/output  


查看执行结果

[plain] view plain copy

$ bin/hdfs dfs -cat /user/fkong/output/part-r-00000