IntelliJ IDEA + Maven环境编写第一个hadoop程序

冰恋

　　1. 新建IntelliJ下的maven项目
　　点击File->New->Project，在弹出的对话框中选择Maven，JDK选择你自己安装的版本，点击Next
　　2. 填写Maven的GroupId和ArtifactId
　　你可以根据自己的项目随便填，点击Next
　　这样就新建好了一个空的项目
　　这里程序名填写WordCount,我们的程序是一个通用的网上的范例,用来计算文件中单词出现的次数
　　3. 设置程序的编译版本
　　打开Intellij的Preference偏好设置，定位到Build, Execution, Deployment->Compiler->Java Compiler，
　　将WordCount的Target bytecode version修改为你的jdk版本(我的是1.8)
　　4. 配置依赖
　　编辑pom.xml进行配置
　　1) 添加apache源
　　在project内尾部添加
　　

<repositories>　　
<repository>
　　
<id>apache</id>
　　
<url>http://maven.apache.org</url>
　　
</repository>
　　
</repositories>
　　

　　2) 添加hadoop依赖
　　这里只需要用到基础依赖hadoop-core和hadoop-common；如果需要读写HDFS，
　　则还需要依赖hadoop-hdfs和hadoop-client；如果需要读写HBase，则还需要依赖hbase-client
　　在project内尾部添加
　　

<dependencies>　　
<dependency>
　　
<groupId>org.apache.hadoop</groupId>
　　
<artifactId>hadoop-core</artifactId>
　　
<version>1.2.1</version>
　　
</dependency>
　　
<dependency>
　　
<groupId>org.apache.hadoop</groupId>
　　
<artifactId>hadoop-common</artifactId>
　　
<version>2.7.2</version>
　　
</dependency>
　　
</dependencies>
　　

　　修改pom.xml完成后，Intellij右上角会提示Maven projects need to be Imported，点击Import Changes以更新依赖,或者点击Enable Auto Import
　　最后,我的完整的pom.xml如下:
　　

<?xml version="1.0" encoding="UTF-8"?>　　
<project xmlns="http://maven.apache.org/POM/4.0.0"
　　
xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
　　
xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
　　
<modelVersion>4.0.0</modelVersion>
　　

　　
<groupId>com.fun</groupId>
　　
<artifactId>hadoop</artifactId>
　　
<version>1.0-SNAPSHOT</version>
　　

　　
<repositories>
　　
<repository>
　　
<id>apache</id>
　　
<url>http://maven.apache.org</url>
　　
</repository>
　　
</repositories>
　　

　　
<dependencies>
　　
<dependency>
　　
<groupId>org.apache.hadoop</groupId>
　　
<artifactId>hadoop-core</artifactId>
　　
<version>1.2.1</version>
　　
</dependency>
　　
<dependency>
　　
<groupId>org.apache.hadoop</groupId>
　　
<artifactId>hadoop-common</artifactId>
　　
<version>2.7.2</version>
　　
</dependency>
　　
</dependencies>
　　

　　
<build>
　　
<plugins>
　　
<plugin>
　　
<artifactId>maven-dependency-plugin</artifactId>
　　
<configuration>
　　
<excludeTransitive>false</excludeTransitive>
　　
<stripVersion>true</stripVersion>
　　
<outputDirectory>./lib</outputDirectory>
　　
</configuration>
　　

　　
</plugin>
　　
</plugins>
　　
</build>
　　
</project>
　　

　　5. 编写主程序
　　WordCount.java
　　

/**　　
* Created by jinshilin on 16/12/7.
　　

*/　　
import java.io.IOException;
　　
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;
　　


　　
public>　　


　　
public static>　　
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);
　　
}
　　
}
　　
}
　　


　　
public static>　　
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);
　　
}
　　
}
　　

　　
public static void main(String[] args) throws Exception {
　　
Configuration conf = new Configuration();
　　
Job job = Job.getInstance(conf, "word count");
　　
job.setJarByClass(WordCount.class);
　　
job.setMapperClass(TokenizerMapper.class);
　　
job.setCombinerClass(IntSumReducer.class);
　　
job.setReducerClass(IntSumReducer.class);
　　
job.setOutputKeyClass(Text.class);
　　
job.setOutputValueClass(IntWritable.class);
　　
FileInputFormat.addInputPath(job, new Path(args[0]));
　　
FileOutputFormat.setOutputPath(job, new Path(args[1]));
　　
System.exit(job.waitForCompletion(true) ? 0 : 1);
　　
}
　　
}
　　

　　6. 配置输入和输出结果文件夹
　　1) 添加和src目录同级的input文件夹到项目中
　　在input文件夹中放置一个或多个输入文件源
　　我的输入文件源如下:
　　test.segmented:
　　dfdfadgdgag
　　aadads
　　fudflcl
　　cckcer
　　fadf
　　dfdfadgdgag
　　fudflcl
　　fuck
　　fuck
　　fuckfuck
　　haha
　　aaa
　　2) 配置运行参数

　　在Intellij菜单栏中选择Run->Edit Configurations，在弹出来的对话框中点击+，新建一个Application配置。配置Main>　　Program arguments为input/ output/，即输入路径为刚才创建的input文件夹，输出为output

　　由于Hadoop的设定，下次运行时务必删除output文件夹！
　　好了,运行程序,结果如下:
　　aaa 1
　　aadads  1
　　cckcer  1
　　dfdfadgdgag 2
　　fadf    1
　　fuck    2
　　fuckfuck    1
　　fudflcl 2
　　haha    1
　　至此,一个简单的hadoop程序完成!