关于Hadoop-0.20.203.0通过Eclipse连接编程的问题

gtdfe

对于Hadoop开发者来讲，通过JAVA API编程是进入Map-Reduce分布式开发的第一步。由于Eclipse本身并没有提供对MapReduce编程模式的支持，所以需要一些简单的步骤来实现。
1. 安装Hadoop。
本文的Hadoop是部署在虚拟机上的伪分布模式。相关软件环境如下：
JDK： sun jdk1.6.0_30
Hadoop:  hadoop-0.20.203.0
Linux:  Ubuntu 11.10
Eclipse:  Eclipse Indigo 3.7.1
关于Hadoop伪分布环境的具体配置方式，此处不再赘述。设置方面，core-site.xml中fs.default.name中填写的是hdfs://localhost:9000

2. 设置环境
在终端中输入
$ sudo vim /etc/profile
修改运行环境，在文件最尾添加如下内容：
export HADOOP_HOME=/home/wangyucao/hadoop-0.20.203.0 (此处即为hadoop的安装目录)
export PATH=$PATH:#HADOOP_HOME/bin

3. 安装Eclipse
在Ubuntu软件中心搜索Eclipse进行安装，或者通过官网下载Eclipse归档文件。此处选择通过官网下载，得到：
eclipse-jee-indigo-SR1-linux-gtk.tar.gz
解压该文件，并放在/usr目录下：
$ tar -zxvf eclipse-jee-indigo-SR1-linux-gtk.tar.gz
$ sudo mv eclipse /usr/
完成安装步骤。

4. 安装hadoop-eclipse插件
hadoop的发行版本中都包含了hadoop-eclipse-plugin插件。在开发hadoop应用时，需要首先安装该Eclipse插件。
看到网上的教程，一般都是说直接将HADOOP_HOME/lib中的 hadoop-eclipse-plugin-0.20.203.0.jar 复制到eclipse安装目录下的plugins目录中。但是在我实践尝试中，发现hadoop-0.20.203.0版本的该包如果直接复制到eclipse的插件目录中，在连接DFS时会出现错误，提示信息为： "error: failure to login",弹出的错误提示框内容为"An internal error occurred during: "Connecting to DFS hadoop". org/apache/commons/configuration/Configuration". 经过察看Eclipse的log，发现是缺少jar包导致的。进一步查找资料后，发现直接复制hadoop-eclipse-plugin-0.20.203.0.jar，该包中lib目录下缺少了jar包。
经过网上资料搜集，此处给出正确的安装方法：
首先要对hadoop-eclipse-plugin-0.20.203.0.jar进行修改。用归档管理器打开该包，发现只有commons-cli-1.2.jar 和hadoop-core.jar两个包。将HADOOP_HOME/lib目录下的 commons-configuration-1.6.jar , commons-httpclient-3.0.1.jar , commons-lang-2.4.jar , jackson-core-asl-1.0.1.jar 和 jackson-mapper-asl-1.0.1.jar 等5个包复制到hadoop-eclipse-plugin-0.20.203.0.jar的lib目录下，如下图：

然后，修改该包META-INF目录下的MANIFEST.MF，将classpath修改为一下内容：
Bundle-ClassPath: classes/,lib/hadoop-core.jar,lib/commons-cli-1.2.jar,lib/commons-httpclient-3.0.1.jar,lib/jackson-core-asl-1.0.1.jar,lib/jackson-mapper-asl-1.0.1.jar,lib/commons-configuration-1.6.jar,lib/commons-lang-2.4.jar
如下图：

这样就完成了对hadoop-eclipse-plugin-0.20.203.0.jar的修改。
最后，将hadoop-eclipse-plugin-0.20.203.0.jar复制到Eclipse的plugins目录下：
$ cd ~/hadoop-0.20.203.0/lib
$ sudo cp hadoop-eclipse-plugin-0.20.203.0.jar /usr/eclipse/plugins/

5. 在Eclipse中对该插件进行配置。
首先，打开Eclipse，设置好workspace。
选择window -> open perspective -> Other... ， 选择有大象图标的 Map/Reduce.

此时，就打开了Map/Reduce的开发环境。可以看到，右下角多了一个Map/Reduce Locations的框。如下图：

然后，设置Hadoop的环境参数。选择Map/Reduce Locations 标签，点击该标签最右边的大象图标，即那个齿轮状图标右侧的大象图标，打开参数设置页面，参数填写如下图：

Location Name ： 此处为参数设置名称，可以任意填写
Map/Reduce Master (此处为Hadoop集群的Map/Reduce地址，应该和mapred-site.xml中的mapred.job.tracker设置相同)
    Host: localhost
    port: 9001
DFS Master  (此处为Hadoop的master服务器地址，应该和core-site.xml中的 fs.default.name 设置相同)
    Host: localhost
    Port: 9000
设置完成后，点击Finish就应用了该设置。
此时，在最左边的Project Explorer中就能看到DFS的目录，如下图所示。

到这里，就完成了hadoop插件的设置过程。