使用Maven搭建Hadoop开发环境

文章来自：http://blog.csdn.net/kongxx/article/details/42339581

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 print ?

1. 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 print ?

1. <project xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xmlns="http://maven.apache.org/POM/4.0.0"  
2.          xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/maven-v4_0_0.xsd">  
3.     <modelVersion>4.0.0</modelVersion>  
4.     <groupId>my.hadoopstudy</groupId>  
5.     <artifactId>hadoopstudy</artifactId>  
6.     <packaging>jar</packaging>  
7.     <version>1.0-SNAPSHOT</version>  
8.     <name>hadoopstudy</name>  
9.     <url>http://maven.apache.org</url>  
10.    
11.     <dependencies>  
12.         <dependency>  
13.             <groupId>org.apache.hadoop</groupId>  
14.             <artifactId>hadoop-common</artifactId>  
15.             <version>2.5.1</version>  
16.         </dependency>  
17.         <dependency>  
18.             <groupId>org.apache.hadoop</groupId>  
19.             <artifactId>hadoop-hdfs</artifactId>  
20.             <version>2.5.1</version>  
21.         </dependency>  
22.         <dependency>  
23.             <groupId>org.apache.hadoop</groupId>  
24.             <artifactId>hadoop-client</artifactId>  
25.             <version>2.5.1</version>  
26.         </dependency>  
27.    
28.         <dependency>  
29.             <groupId>junit</groupId>  
30.             <artifactId>junit</artifactId>  
31.             <version>3.8.1</version>  
32.             <scope>test</scope>  
33.         </dependency>  
34.     </dependencies>  
35. </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 print ?

1. package my.hadoopstudy.dfs;  
2.    
3. import org.apache.hadoop.conf.Configuration;  
4. import org.apache.hadoop.fs.FSDataOutputStream;  
5. import org.apache.hadoop.fs.FileStatus;  
6. import org.apache.hadoop.fs.FileSystem;  
7. import org.apache.hadoop.fs.Path;  
8. import org.apache.hadoop.io.IOUtils;  
9.    
10. import java.io.InputStream;  
11. import java.net.URI;  
12.    
13. public class Test {  
14.     public static void main(String[] args) throws Exception {  
15.         String uri = "hdfs://9.111.254.189:9000/";  
16.         Configuration config = new Configuration();  
17.         FileSystem fs = FileSystem.get(URI.create(uri), config);  
18.    
19.         // 列出hdfs上/user/fkong/目录下的所有文件和目录  
20.         FileStatus[] statuses = fs.listStatus(new Path("/user/fkong"));  
21.         for (FileStatus status : statuses) {  
22.             System.out.println(status);  
23.         }  
24.    
25.         // 在hdfs的/user/fkong目录下创建一个文件，并写入一行文本  
26.         FSDataOutputStream os = fs.create(new Path("/user/fkong/test.log"));  
27.         os.write("Hello World!".getBytes());  
28.         os.flush();  
29.         os.close();  
30.    
31.         // 显示在hdfs的/user/fkong下指定文件的内容  
32.         InputStream is = fs.open(new Path("/user/fkong/test.log"));  
33.         IOUtils.copyBytes(is, System.out, 1024, true);  
34.     }  
35. }  

3.2 测试MapReduce作业
测试代码比较简单，如下：

[java] view plain copy print ?

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

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 print ?

1. /tmp/input/event.log.1  
2. /tmp/input/event.log.2  
3. /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 print ?

1. JOB_NEW ...  
2. JOB_NEW ...  
3. JOB_FINISH ...  
4. JOB_NEW ...  
5. JOB_FINISH ...  

然后把这些文件复制到HDFS上

[plain] view plain copy print ?

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

运行mapreduce作业

[plain] view plain copy print ?

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

查看执行结果

[plain] view plain copy print ?

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