Ubuntu的安装至文件MapReduce处理

一、在Windows中使用VirtualBox安装Ubuntu

1.安装前的准备

（1）打开VirtualBox，点击“创建”按钮，创建一个虚拟机
     给虚拟机命名，选择操作系统，版本
     如果您选择的系统是32位Ubuntu,那么版本请选择“Ubuntu (32 bit)”
     如果您选择的系统是64位Ubuntu,那么版本请选择“Ubuntu (64 bit)”
     如果界面中有“文件夹”选项，则在“文件夹”后面可以设置为本地磁盘目录，比如“D:\”。

（2）选择内存大小
     因为笔者的电脑总内存为4GB，因此这里划分1GB的内存给Ubuntu(实际上在这种配置运行虚拟机以后，仍会稍显卡顿，
     建议电脑总内存增加到8GB以上)。如果你电脑上的总内存有8GB,那么可以划分3GB内存给Ubuntu，这样运行会快很多。

(3)创建虚拟硬盘

(4）选择虚拟硬盘文件类型VDI

（5）虚拟硬盘选择动态分配

（6）选择文件存储的位置和容量大小
如果只是学习hadoop，那么默认8G容量是够用的。但是考虑到读 者可能安装其他应用软件，
因此这里划分30GB用于文件存储（如 果少于30GB，后期会出现磁盘空间不够的情况）。

（7）点击创建就可以

2. 安装Ubuntu

（1）选择下载的Ubuntu LTS 14.04的ISO映像文件
进入存储设置界面后，点击没有盘片，再点击光盘按钮，选择一个虚拟光驱，添加上面您下载的Ubuntu LTS 14.04 ISO映像文件。

（2）选择刚创建的虚拟机Ubuntu，点击“启动”按钮
启动如果看到下面的界面，那么请下拉选项选择你刚才选择的ISO文件。(如果没有出现此界面，直接跳往下一步即可)
启动看到Ubuntu 的安装欢迎界面，选择你想用的语言，推荐使用中文(简体)

（3）检查是否连接网络，是否安装第三方软件
直接点击“继续”按钮。

（4）确认安装类型
我们选择”其他选项”，在点击继续
安装完成后，选择时区
时区选择默认即可，点击“继续”

（5）键盘布局
左右栏目都选择汉语即可

（6）设置用户名和密码
建议选择“登录时需要密码”选项。由于我们现在处于学习阶段，不需要考虑安全问题，密码建议使用一位的密码，
这样在安装软件需要输入密码的时候也比较方便。

（7）点击继续，现在安装过程，系统会自动安装，不要点击skip，可以泡杯咖啡，等候系统自动安装完成。
安装完成，重启安装终于完成，点击“现在重启”即可。“现在重启”只是重启虚拟机系统的运行，并不是重启Windows系统。

二、Hadoop安装教程_单机/伪分布式配置

1.创建hadoop用户

（1)首先按 ctrl+alt+t 打开终端窗口，输入如下命令创建新用户 :

$ sudo useradd -m hadoop -s /bin/bash

(2)接着使用如下命令设置密码，可简单设置为 hadoop，按提示输入两次密码：

$ sudo passwd hadoop

(3)可为 hadoop 用户增加管理员权限，方便部署，避免一些对新手来说比较棘手的权限问题：

$ sudo adduser hadoop sudo

(4)最后注销当前用户（点击屏幕右上角的齿轮，选择注销），返回登陆界面。在登陆界面中选择刚创建的 hadoop 用户进行登陆。

2.更新apt

(1)用 hadoop 用户登录后，我们先更新一下 apt，后续我们使用 apt 安装软件，如果没更新可能有一些软件安装不了。
按 ctrl+alt+t 打开终端窗口，执行如下命令：

$ sudo apt-get update

(2)后续需要更改一些配置文件，我比较喜欢用的是 vim（vi增强版，基本用法相同），
建议安装一下（如果你实在还不会用 vi/vim 的，请将后面用到 vim 的地方改为 gedit，
这样可以使用文本编辑器进行修改，并且每次文件更改完成后请关闭整个 gedit 程序，否则会占用终端）：

$ sudo apt-get install vim

(3)安装软件时若需要确认，在提示处输入 y 即可

3.安装SSH、配置SSH无密码登陆

（1）集群、单节点模式都需要用到 SSH 登陆（类似于远程登陆，你可以登录某台 Linux 主机，并且在上面运行命令），Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server：

$ sudo apt-get install openssh-server

（2）安装后，可以使用如下命令登陆本机：

$ ssh localhost

（3）此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 hadoop，这样就登陆到本机了。

（4）但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。
首先退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成 密钥，并将密钥加入到授权中：

$ exit 
$ cd ~/.ssh/ 
$ ssh-keygen -t rsa
$ cat ./id_rsa.pub >> ./authorized_keys

（5）此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了，如下图所示。

4.安装Java环境

（1）第1种安装JDK方式（手动安装，推荐采用本方式）
需要按照下面步骤来自己手动安装JDK1.8。
我们已经把JDK1.8的安装包jdk-8u162-linux-x64.tar.gz放在了百度云盘，可以点击   这里到百度云盘下载JDK1.8安装包（提取码：99bg）。请把压缩格式的文件jdk-8u162-linux-x64.tar.gz下载到本地电脑，假设保存在“/home/linziyu/Downloads/”目录下。

在Linux命令行界面中，执行如下Shell命令（注意：当前登录用户名是hadoop）：

$ cd /usr/lib
$ sudo mkdir jvm
$ cd ~
$ cd Downloads
$ sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm 

(2)上面使用了解压缩命令tar，如果对Linux命令不熟悉，可以参考常用的Linux命令用法。
JDK文件解压缩以后，可以执行如下命令到/usr/lib/jvm目录查看一下：

$ cd /usr/lib/jvm
$ ls

(3)可以看到，在/usr/lib/jvm目录下有个jdk1.8.0_162目录。
下面继续执行如下命令，设置环境变量：

$ cd ~
$ vim ~/.bashrc

(4)上面命令使用vim编辑器（查看vim编辑器使用方法）打开了hadoop这个用户的环境变量配置文件，请在这个文件的开头位置，添加如下几行内容：export 

JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
export JRE_HOME=${JAVA_HOME}/jre
export CLAsspATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
export PATH=${JAVA_HOME}/bin:$PATH

(5)保存.bashrc文件并退出vim编辑器。然后，继续执行如下命令让.bashrc文件的配置立即生效：

$ source ~/.bashrc

(6)这时，可以使用如下命令查看是否安装成功：

$ java -version

(7)如果能够在屏幕上返回如下信息，则说明安装成功：

5.安装 Hadoop 2

(1)我们选择将 Hadoop 安装至 /usr/local/ 中：

$ sudo tar -zxf ~/下载/hadoop-2.10.0.tar.gz -C /usr/local 
$ cd /usr/local/
$ sudo mv ./hadoop-2.10.0/ ./hadoop
$ sudo chown -R hadoop ./hadoop 

(2)Hadoop 解压后即可使用。输入如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息：

$ cd /usr/local/hadoop
$ ./bin/hadoop version

6.Hadoop单机配置(非分布式)

(1)Hadoop 默认模式为非分布式模式（本地模式），无需进行其他配置即可运行。非分布式即单 Java 进程，方便进行调试。
现在我们可以执行例子来感受下 Hadoop 的运行。Hadoop 附带了丰富的例子（运行 ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-2.6.0.jar 可以看到所有例子），包括 wordcount、terasort、join、grep 等。
在此我们选择运行 grep 例子，我们将 input 文件夹中的所有文件作为输入，筛选当中符合正则表达式 dfs[a-z.]+ 的单词并统计出现的次数，最后输出结果到 output 文件夹中。

$ cd /usr/local/hadoop
$ mkdir ./input
$ cp ./etc/hadoop/*.xml ./input
$ ./bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep ./input ./output 'dfs[a-z.]+'
$ cat ./output/* 

(2)执行成功后如下所示，输出了作业的相关信息，输出的结果是符合正则的单词 dfsadmin 出现了1次

(3)注意，Hadoop 默认不会覆盖结果文件，因此再次运行上面实例会提示出错，需要先将 ./output 删除。

$ rm -r ./output

7.Hadoop伪分布式配置

(1)Hadoop 可以在单节点上以伪分布式的方式运行，Hadoop 进程以分离的 Java 进程来运行，节点既作为 NameNode 也作为 Datanode，同时，读取的是 HDFS 中的文件.。
Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，伪分布式需要修改2个配置文件 core-site.xml 和 hdfs-site.xml 。Hadoop的配置文件是 xml 格式，每个配置以声明 property 的 name 和 value 的方式来实现。
修改配置文件 core-site.xml (通过 gedit 编辑会比较方便: gedit ./etc/hadoop/core-site.xml)，将当中的

<configuration>
</configuration>

修改为下面配置：

<configuration>
    <property>
        <name>hadoop.tmp.dir</name>
        <value>file:/usr/local/hadoop/tmp</value>
        <description>Abase for other temporary directories.</description>
    </property>
    <property>
        <name>fs.defaultFS</name>
        <value>hdfs://localhost:9000</value>
    </property>
</configuration>

同样的，修改配置文件 hdfs-site.xml：

<configuration>
    <property>
        <name>dfs.replication</name>
        <value>1</value>
    </property>
    <property>
        <name>dfs.namenode.name.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/name</value>
    </property>
    <property>
        <name>dfs.datanode.data.dir</name>
        <value>file:/usr/local/hadoop/tmp/dfs/data</value>
    </property>
</configuration>

（2）配置完成后，执行 NameNode 的格式化:

$  cd /usr/local/hadoop
$  ./bin/hdfs namenode -format

成功的话，会看到 “successfully formatted” 和 “Exitting with status 0” 的提示，若为 “Exitting with status 1” 则是出错。

 如果在这一步时提示 Error: JAVA_HOME is not set and Could not be found. 的错误，
 则说明之前设置 JAVA_HOME 环境变量那边就没设置好，请按教程先设置好 JAVA_HOME 变量，否则后面的过程都是进行不下去的。如果已经按照前面教程在.
 bashrc文件中设置了JAVA_HOME，还是出现 Error: JAVA_HOME is not set and Could not be found. 的错误，那么，请到hadoop的安装目录修改配置文件
 “/usr/local/hadoop/etc/hadoop/hadoop-env.sh”，在里面找到“export  
 JAVA_HOME=${JAVA_HOME}”这行，然后，把它修改成JAVA安装路径的具体地址，比如，“export JAVA_HOME=/usr/lib/jvm/default-java”，然后，再次启动Hadoop。

。

(3)接着开启 NameNode 和 Datanode 守护进程。

$  cd /usr/local/hadoop
$  ./sbin/start-dfs.sh

若出现如下SSH提示，输入yes即可。

8.运行Hadoop伪分布式实例

(1)上面的单机模式，grep 例子读取的是本地数据，伪分布式读取的则是 HDFS 上的数据。
要使用 HDFS，首先需要在 HDFS 中创建用户目录：

$  ./bin/hdfs dfs -mkdir -p /user/hadoop

(2)接着将 ./etc/hadoop 中的 xml 文件作为输入文件复制到分布式文件系统中，
即将 /usr/local/hadoop/etc/hadoop 复制到分布式文件系统中的 /user/hadoop/input 中。我们使用的是 hadoop 用户，并且已创建相应的用户目录 /user/hadoop ，
因此在命令中就可以使用相对路径如 input，其对应的绝对路径就是 /user/hadoop/input:

$  ../bin/hdfs dfs -mkdir input
$  ./bin/hdfs dfs -put ./etc/hadoop/*.xml input

(3)复制完成后，可以通过如下命令查看文件列表：

$  ./bin/hdfs dfs -ls input

(4)伪分布式运行 MapReduce 作业的方式跟单机模式相同，区别在于伪分布式读取的是HDFS中的文件（可以将单机步骤中创建的本地 input 文件夹，输出结果 output 文件夹都删掉来验证这一点）。

$  ../bin/hadoop jar ./share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar grep input output 'dfs[a-z.]+'

(5)查看运行结果的命令（查看的是位于 HDFS 中的输出结果）：

结果如下，注意到刚才我们已经更改了配置文件，所以运行结果不同。
    (6)我们也可以将运行结果取回到本地：

$  ..rm -r ./output 
$ ./bin/hdfs dfs -get output ./output 
$ cat ./output/*

Hadoop 运行程序时，输出目录不能存在，否则会提示错误 
“org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory 
hdfs://localhost:9000/user/hadoop/output already exists” ，
因此若要再次执行，需要执行如下命令删除 output 文件夹:

$  ./bin/hdfs dfs -rm -r output 

(7)若要关闭 Hadoop，则运行

$  ./sbin/stop-dfs.sh

三、分布式文件系统HDFS

在学习HDFS编程实践前，我们需要启动Hadoop。执行如下命令

$  cd /usr/local/hadoop
$  ./sbin/start-dfs.sh

1.利用Shell命令与HDFS进行交互

1.目录操作

(1)需要注意的是，Hadoop系统安装好以后，第一次使用HDFS时，需要首先在HDFS中创建用户目录。
本教程全部采用hadoop用户登录Linux系统，因此，需要在HDFS中为hadoop用户创建一个用户目录，命令如下：

$ cd /usr/local/hadoop
$  ./bin/hdfs dfs –mkdir –p /user/hadoop

(2)该命令中表示在HDFS中创建一个“/user/hadoop”目录，“–mkdir”是创建目录的操作，
“-p”表示如果是多级目录，则父目录和子目录一起创建，这里“/user/hadoop”就是一个多级目录，
因此必须使用参数“-p”，否则会出错。
“/user/hadoop”目录就成为hadoop用户对应的用户目录，
可以使用如下命令显示HDFS中与当前用户hadoop对应的用户目录下的内容：

$ ./bin/hdfs dfs –ls .

(3)该命令中，“-ls”表示列出HDFS某个目录下的所有内容，“.”表示HDFS中的当前用户目录，
也就是“/user/hadoop”目录，因此，上面的命令和下面的命令是等价的：

$ ./bin/hdfs dfs –ls /user/hadoop

(4)如果要列出HDFS上的所有目录，可以使用如下命令：

$ ./bin/hdfs dfs –ls

(5）下面，可以使用如下命令创建一个input目录：

$ ./bin/hdfs dfs –mkdir input

（6）在创建个input目录时，采用了相对路径形式，实际上，这个input目录创建成功以后，
它在HDFS中的完整路径是“/user/hadoop/input”。如果要在HDFS的根目录下创建一个名称为input的目录，则需要使用如下命令：

$ ./bin/hdfs dfs –mkdir /input

（7）可以使用rm命令删除一个目录，比如，可以使用如下命令删除刚才在HDFS中创建的“/input”目录（不是“/user/hadoop/input”目录）：

$ ./bin/hdfs dfs –rm –r /input

2.文件操作

（1）在实际应用中，经常需要从本地文件系统向HDFS中上传文件，或者把HDFS中的文件下载到本地文件系统中。

首先，使用vim编辑器，在本地Linux文件系统的“/home/hadoop/”目录下创建一个文件myLocalFile.txt，里面可以随意输入一些单词，比如，输入如下三行：

Hadoop
Spark
XMU DBLAB

（2）然后，可以使用如下命令把本地文件系统的“/home/hadoop/myLocalFile.txt”上传到HDFS中的当前用户目录的input目录下，也就是上传到HDFS的“/user/hadoop/input/”目录下：

$ ./bin/hdfs dfs -put /home/hadoop/myLocalFile.txt  input

（3）可以使用ls命令查看一下文件是否成功上传到HDFS中，具体如下：

$ ./bin/hdfs dfs –ls input

该命令执行后会显示类似如下的信息：

Found 1 items   
-rw-r--r--   1 hadoop supergroup         36 2017-01-02 23:55 input/ myLocalFile.txt

（4）下面使用如下命令查看HDFS中的myLocalFile.txt这个文件的内容：

$ ./bin/hdfs dfs –cat input/myLocalFile.txt

（5）下面把HDFS中的myLocalFile.txt文件下载到本地文件系统中的“/home/hadoop/下载/”这个目录下，命令如下：

$ ./bin/hdfs dfs -get input/myLocalFile.txt  /home/hadoop/下载

（6）可以使用如下命令，到本地文件系统查看下载下来的文件myLocalFile.txt：

$ cd ~
$ cd 下载
$ ls
$ cat myLocalFile.txt

（7）最后，了解一下如何把文件从HDFS中的一个目录拷贝到HDFS中的另外一个目录。
比如，如果要把HDFS的“/user/hadoop/input/myLocalFile.txt”文件，拷贝到HDFS的另外一个目录“/input”中（注意，这个input目录位于HDFS根目录下），可以使用如下命令：

$ ./bin/hdfs dfs -cp input/myLocalFile.txt  /input

2.利用Java API与HDFS进行交互

打开Linux自带的Firefox浏览器，点击此链接HDFS的Web界面，即可看到HDFS的web管理界面

3.利用Java API与HDFS进行交互

1.在Ubuntu中安装Eclipse

(1)利用Ubuntu左侧边栏自带的软件中心安装软件，在Ubuntu左侧边栏打开软件中心
打开软件中心后，呈现如下界面 
在软件中心搜索栏输入“ec”，软件中心会自动搜索相关的软件
点击如下图中Eclipse，进行安装
安装需要管理员权限，Ubuntu系统需要用户认证，弹出“认证”窗口，请输入当前用户的登录密码

(2)ubuntu便会进入如下图的安装过程中,安装结束后安装进度条便会消失。
 点击Ubuntu左侧边栏的搜索工具，输入“ec”，自动搜索已经安装好的相关软件,打开Eclipse

2.在Eclipse创建项目

第一次打开Eclipse,需要填写workspace(工作空间)，用来保存程序所在的位置，这里按照默认，不需要改动，如下图
点击“OK”按钮，进入Eclipse软件。

可以看出，由于当前是采用hadoop用户登录了Linux系统，因此，默认的工作空间目录位于hadoop用户目录“/home/hadoop”下。

Eclipse启动.

选择“File->New->Java Project”菜单，开始创建一个Java工程

3.为项目添加需要用到的jar包

进入下一步的设置以后，需要在这个界面中加载该Java工程所需要用到的jar包，
这些jar包中包含了可以访问HDFS的Java API。这些jar包都位于Linux系统的Hadoop安装目录下，
对于本教程而言，就是在“/usr/local/hadoop/share/hadoop”目录下。点击界面中的“Libraries”选项卡，然后，点击界面右侧的“Add External JARs…”按钮，

在该界面中，上面的一排目录按钮（即“usr”、“local”、“hadoop”、“share”、“hadoop”、“mapreduce”和“lib”），当点击某个目录按钮时，就会在下面列出该目录的内容。
为了编写一个能够与HDFS交互的Java应用程序，一般需要向Java工程中添加以下jar包：
（1）”/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar；
（2）/usr/local/hadoop/share/hadoop/common/lib”目录下的所有jar包；
（3）“/usr/local/hadoop/share/hadoop/hdfs”目录下的haoop-hdfs-2.7.1.jar和haoop-hdfs-nfs-2.7.1.jar；
（4）“/usr/local/hadoop/share/hadoop/hdfs/lib”目录下的所有jar包。
比如，如果要把“/usr/local/hadoop/share/hadoop/common”目录下的hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar添加到当前的Java工程中，可以在界面中点击目录按钮，进入到common目录，然后，界面会显示出common目录下的所有内容（如图4-7所示）。

请在界面中用鼠标点击选中hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar，然后点击界面右下角的“确定”按钮，就可以把这两个jar包增加到当前Java工程中，出现的界面如图4-8所示。

从这个界面中可以看出，hadoop-common-2.7.1.jar和haoop-nfs-2.7.1.jar已经被添加到当前Java工程中。然后，按照类似的操作方法，可以再次点击“Add External JARs…”按钮，把剩余的其他jar包都添加进来。需要注意的是，当需要选中某个目录下的所有jar包时，可以使用“Ctrl+A”组合键进行全选操作。全部添加完毕以后，就可以点击界面右下角的“Finish”按钮，完成Java工程HDFSExample的创建。

4.编写Java应用程序代码

(1)下面编写一个Java应用程序，用来检测HDFS中是否存在一个文件。
请在Eclipse工作界面左侧的“Package Explorer”面板中（如图4-9所示），找到刚才创建好的工程名称“HDFSExample”，
然后在该工程名称上点击鼠标右键，在弹出的菜单中选择“New->Class”菜单。
选择“New->Class”菜单以后会出现如图4-10所示界面。

(2)在该界面中，只需要在“Name”后面输入新建的java类文件的名称，这里采用名称“HDFSFileIfExist”，其他都可以采用默认设置，然后，点击界面右下角“Finish”按钮

(3)可以看出，Eclipse自动创建了一个名为“HDFSFileIfExist.java”的源代码文件，请在该文件中输入以下代码：

import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
public class HDFSFileIfExist {
    public static void main(String[] args){
        try{
            String fileName = "test";
            Configuration conf = new Configuration();
            conf.set("fs.defaultFS", "hdfs://localhost:9000");
            conf.set("fs.hdfs.impl", "org.apache.hadoop.hdfs.distributedFileSystem");
            FileSystem fs = FileSystem.get(conf);
            if(fs.exists(new Path(fileName))){
                System.out.println("文件存在");
            }else{
                System.out.println("文件不存在");
            }
 
        }catch (Exception e){
            e.printstacktrace();
        }
    }
}

该程序用来测试HDFS中是否存在一个文件，其中有一行代码：

String fileName = "test"

这行代码给出了需要被检测的文件名称是“test”，没有给出路径全称，表示是采用了相对路径，
实际上就是测试当前登录Linux系统的用户hadoop，在HDFS中对应的用户目录下是否存在test文件，也就是测试HDFS中的“/user/hadoop/”目录下是否存在test文件。

5.编译运行程序

(1)在开始编译运行程序之前，请一定确保Hadoop已经启动运行，如果还没有启动，需要打开一个Linux终端，输入以下命令启动Hadoop：

$ cd /usr/local/hadoop
$ ./sbin/start-dfs.sh

(2)现在就可以编译运行上面编写的代码。可以直接点击Eclipse工作界面上部的运行程序的快捷按钮，当把鼠标移动到该按钮上时，在弹出的菜单中选择“Run As”，继续在弹出来的菜单中选择“Java Application”.

   (3)在该界面中，需要在“Select type”下面的文本框中输入“HDFSFileIfExist”，Eclipse
就会自动找到相应的类“HDFSFileIfExist-(default package)”（注意：这个类在后面的导出jar包操作中的Launch configuration中会被用到），
然后，点击界面右下角的“OK”按钮，开始运行程序。程序运行结束后，会在底部的“Console”面板中显示运行结果信息（如图4-14所示）。
由于目前HDFS的“/user/hadoop”目录下还没有test文件，因此，程序运行结果是“文件不存在”。同时，“Console”面板中还会显示一些类似“log4j:WARN…”的警告信息，可以不用理会。

6.应用程序的部署

(1)首先，在Hadoop安装目录下新建一个名称为myapp的目录，用来存放我们自己编写的Hadoop应用程序，可以在Linux的终端中执行如下命令：

$ cd /usr/local/hadoop
$ mkdir myapp

(2)然后，请在Eclipse工作界面左侧的“Package Explorer”面板中，
在工程名称“HDFSExample”上点击鼠标右键，在弹出的菜单中选择“Export”:

 在该界面中，选择“Runnable JAR file”，然后，点击“Next>”按钮，弹出如图4-17所示界面。
 “Launch configuration”用于设置生成的jar包被部署启动时运行的主类，需要在下拉列表中选择刚才配置的类“HDFSFileIfExist-HDFSExample”。
 在“Export destination”中需要设置jar包要输出保存到哪个目录，比如，这里设置为“/usr/local/hadoop/myapp/HDFSExample.jar”。
 在“Library handling”下面选择“Extract required libraries into generated JAR”。然后，点击“Finish”按钮，会出现如图4-18所示界面。

可以忽略该界面的信息，直接点击界面右下角的“OK”按钮，启动打包过程。打包过程结束后，会出现一个警告信息界面，

(4)可以忽略该界面的信息，直接点击界面右下角的“OK”按钮。
至此，已经顺利把HDFSExample工程打包生成了HDFSExample.jar。
可以到Linux系统中查看一下生成的HDFSExample.jar文件，可以在Linux的终端中执行如下命令：

$ cd /usr/local/hadoop/myapp
$ ls

可以看到，“/usr/local/hadoop/myapp”目录下已经存在一个HDFSExample.jar文件。现在，就可以在Linux系统中，使用hadoop jar命令运行程序，命令如下：

$ cd /usr/local/hadoop
$ ./bin/hadoop jar ./myapp/HDFSExample.jar

或者也可以使用如下命令运行程序：

$ cd /usr/local/hadoop
$ java -jar ./myapp/HDFSExample.jar

(5)命令执行结束后，会在屏幕上显示执行结果“文件不存在”。
至此，检测HDFS文件是否存在的程序，就顺利部署完成了。

四.使用Eclipse编译运行MapReduce程序

1.安装 Hadoop-Eclipse-Plugin

要在 Eclipse 上编译和运行 MapReduce 程序，需要安装 hadoop-eclipse-plugin，可下载 Github 上的 hadoop2x-eclipse-plugin（备用下载地址：http://pan.baidu.com/s/1i4ikIoP）。
下载后，将 release 中的 hadoop-eclipse-kepler-plugin-2.6.0.jar （还提供了 2.2.0 和 2.4.1 版本）
复制到 Eclipse 安装目录的 plugins 文件夹中，运行 eclipse -clean 重启 Eclipse 即可
（添加插件后只需要运行一次该命令，以后按照正常方式启动就行了）。

$ unzip -qo ~/下载/hadoop2x-eclipse-plugin-master.zip -d ~/下载
$ udo cp ~/下载/hadoop2x-eclipse-plugin-master/release/hadoop-eclipse-plugin-2.6.0.jar /usr/lib/eclipse/plugins/
$ /usr/lib/eclipse/eclipse -clean

2.在 Eclipse 中操作 HDFS 中的文件

配置好后，点击左侧 Project Explorer 中的 MapReduce Location （点击三角形展开）就能直接查看 HDFS 中的文件列表了（HDFS 中要有文件，
如下图是 WordCount 的输出结果），双击可以查看内容，右键点击可以上传、下载、删除 HDFS 中的文件，无需再通过繁琐的 hdfs dfs -ls 等命令进行操作了。
以下output/part-r-00000文件记录了输出结果。点击查看HDFS文件系统数据的三种方法可进行扩展学习。

如果无法查看，可右键点击 Location 尝试 Reconnect 或重启 Eclipse。

3.在 Eclipse 中创建 MapReduce 项目

点击 File 菜单，选择 New -> Project…:
选择 Map/Reduce Project，点击 Next。
填写 Project name 为 WordCount 即可，点击 Finish 就创建好了项目。
此时在左侧的 Project Explorer 就能看到刚才建立的项目了。
接着右键点击刚创建的 WordCount 项目，选择 New -> Class
需要填写两个地方：在 Package 处填写 org.apache.hadoop.examples；在 Name 处填写 WordCount。
创建 Class 完成后，在 Project 的 src 中就能看到 WordCount.java 这个文件。将如下 WordCount 的代码复制到该文件中。

package org.apache.hadoop.examples;
 
import java.io.IOException;
import java.util.Iterator;
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;
 
public class WordCount {
    public 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> [<in>...] <out>");
            System.exit(2);
        }
 
        Job job = Job.getInstance(conf, "word count");
        job.setJarByClass(WordCount.class);
        job.setMapperClass(WordCount.TokenizerMapper.class);
        job.setCombinerClass(WordCount.IntSumReducer.class);
        job.setReducerClass(WordCount.IntSumReducer.class);
        job.setoutputKeyClass(Text.class);
        job.setoutputValueClass(IntWritable.class);
 
        for(int i = 0; i < otherArgs.length - 1; ++i) {
            FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
        }
 
        FileOutputFormat.setoutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
        System.exit(job.waitForCompletion(true)?0:1);
    }
 
    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();
 
        public IntSumReducer() {
        }
 
        public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            int sum = 0;
 
            IntWritable val;
            for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
                val = (IntWritable)i$.next();
            }
 
            this.result.set(sum);
            context.write(key, this.result);
        }
    }
 
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
        private static final IntWritable one = new IntWritable(1);
        private Text word = new Text();
 
        public TokenizerMapper() {
        }
 
        public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
            StringTokenizer itr = new StringTokenizer(value.toString());
 
            while(itr.hasMoretokens()) {
                this.word.set(itr.nextToken());
                context.write(this.word, one);
            }
 
        }
    }
}

4.通过 Eclipse 运行 MapReduce

在运行 MapReduce 程序前，还需要执行一项重要操作（也就是上面提到的通过复制配置文件解决参数设置问题）：
将 /usr/local/hadoop/etc/hadoop 中将有修改过的配置文件（如伪分布式需要 core-site.xml 和 hdfs-site.xml），
以及 log4j.properties 复制到 WordCount 项目下的 src 文件夹（~/workspace/WordCount/src）中：

cp /usr/local/hadoop/etc/hadoop/core-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml ~/workspace/WordCount/src
cp /usr/local/hadoop/etc/hadoop/log4j.properties ~/workspace/WordCount/src

直接在代码中设置好输入参数。可将代码 main() 函数的 String[] otherArgs = new GenericoptionsParser(conf, args).getRemainingArgs(); 改为：

String[] otherArgs=new String[]{"input","output"}; 

设定参数后，再次运行程序，可以看到运行成功的提示，刷新 DFS Location 后也能看到输出的 output 文件夹。