零基础学习hadoop到上手工作线路指导（编程篇）

細細.魚

　　问题导读：
　　1.hadoop编程需要哪些基础？
　　2.hadoop编程需要注意哪些问题？
　　3.如何创建mapreduce程序及其包含几部分？
　　4.如何远程连接eclipse，可能会遇到什么问题？
　　5.如何编译hadoop源码？

　　阅读此篇文章，需要些基础下面两篇文章
　　零基础学习hadoop到上手工作线路指导（初级篇）
　　零基础学习hadoop到上手工作线路指导（中级篇）
　　如果看过的话，看这篇不成问题，此篇讲hadoop编程篇。
　　hadoop编程，hadoop是一个Java框架，同时也是编程的一次革命，使得传统开发运行程序由单台客户端（单台电脑）转换为可以由多个客户端运行（多台机器）运行，使得任务得以分解，这大大提高了效率。
　　hadoop既然是一个Java框架，因为我们必须要懂Java，网上有大量的资料，所以学习Java不是件难事。但是学到什么程度，可能是我们零基础同学所关心的。
　　语言很多情况下都是相通的，如果你是学生，还处于打基础的阶段，那么难度对于你来说还是不小的。
　　1.初学者要求必须有理论基础，并且能够完成一个小项目，最起码能够完成几个小例子，例如图书馆里等。
　　初学者基本的要求：
　　（1）懂什么是对象、接口、继续、多态
　　（2）必须熟悉Java语法
　　（3）掌握一定的常用包
　　（4）会使用maven下载代码
　　（5）会使用eclipse，包括里面的快捷键，如何打开项目
　　传统程序员，因为具有丰富的编程经验，因此只要能够掌握开发工具：
　　（1）会使用maven下载代码
　　（2）会使用eclipse，包括里面的快捷键，如何打开项目
　　（3）简单熟悉Java语法
　　上面的只是基础，如果想开发hadoop，还需要懂得下面内容
　　（1）会编译hadoop
　　（2）会使用hadoop-eclipse-plugin插件，远程连接集群
　　（3）会运行hadoop程序。
　　上面列出大概的内容，下面我们具体说一些需要学习的内容。

　　无论是传统开发人员还是学生，零基础下面都是需要掌握的：
　　我们就需要进入开发了。开发零基础，该如何，咱们提供了相关的内容分别介绍下面文章
　　学习hadoop----java零基础学习线路指导视频(1)
　　这一篇我们使用什么开发工具，甚至考虑使用什么操作系统。然后就是Java基础知识篇，包括变量、函数等。
　　学习hadoop---Java初级快读入门指导（2）
　　第一篇是属于思想篇，那么这一篇属于实战篇，通过不同的方式，交给你怎么编写第一个小程序。
　　Java零基础：一步步教你如何使用eclipse创建项目及编写小程序实例
　　由于上面没有真正抽象出eclipse的使用，所以这里专门介绍了使用eclipse如何创建项目，及如何编写小程序实例
　　java基础：eclipse编程不得不知道的技巧
　　eclipse基本知识会了之后，我们在项目，这些技巧相当有用，而且经常用到

　　一、考虑开发环境
　　上面是我们打基础，有了这些基础，我们就开始学习开发hadoop了，但是我们该怎么搭建环境，我们知道Windows有32、64位之分，jdk也有，那么该如何解决，我们在window32位上需要使用32位jdk，64位则使用64位jdk，同样如果Linux则使用Linux32位于64位。
　　更详细，可以参考零基础利用Java开发hadoop需要考虑的问题
　　二、使用J2SE、J2EE
　　使用Java我们需要整体了解Java语言，Java包含下面三种

• J2EE java企业版，主要用于web开发
  
• J2SE java 标准版，主要用于WEB开发，但是缺少企业版的一些特性，一般情况下java下的应用都是指J2SE的开发。
  
• J2ME java 微小版，主要用于手机等的开发
  

　　因此如果我们想处理、并展示数据，可以使用J2EE，更详细参考
　　hadoop开发--Java零基础之J2EE、J2SE、J2ME的区别
　　三、对Java有了一定的认识，我们开始使用Java
　　1.环境变量配置
　　对于惯用集成环境的开发者来讲，这有点不适应，比如.net，安装开发环境vs，直接开发就好了，为啥还需要配置环境变量。
　　环境变量可以让我们找到jdk的命令，这个或许.net的一点好处，就是都封装起来了。别的不用关心了。对于环境变量，我们
　　需要配置java_home,path路径，更详细参考：
　　hadoop开发--Java零基础之开发工具环境变量配置
　　2.开发工具选择
　　开发工具有很多种，不同的人习惯不同，开发工具也不一样，这里列出个人认为比较常用
　　1.eclipse
　　2.MyEclipse
　　3.maven
　　更多工具参考hadoop开发—Java零基础,开发选择什么开发工具比较合适
　　而其中maven可以和eclipse一起使用，也可以单独使用，后面开发中它还是比较常用的，比如我们下载hadoop源码，编译hadoop，都是需要maven来完成的。
　　maven的学习可以参考
　　源码编译maven系列视频教程汇总
　　3.Java编译
　　Java可以一处编译处处运行，原因是因为jvm。编译后的效果，可以查看：
　　Java零基础，学习hadoop：为什么要编译Java源代码，编译后会有什么效果
　　4.如何打开Java项目
　　Java项目的开发，还是比较特别的，是通过导入的方式，折合其它比如.net项目，直接点击图标就能打开，Java项目，例如通过eclipse的import导入，详细参考下面帖子：
　　零基础教你如何导入Java项目到eclipse中
　　5.Java资源下载：
　　上面补充了一些基本的知识，可能还不够全面，如果缺少这方面的知识，有两种办法：
　　1.百度，查看视频，缺什么看什么视频
　　2.如果想自己什么时候，都能看，可以下载下面的资源
　　javaWeb图书馆管理系统源码mysql版本
　　Java使用hadoop开发基础：Javaweb视频共享
　　几百GJava文件共享
　　java百G内容下载：包含自学，入门，高级应用，案例等

　　Java基础完毕，我们终于可以开发了，其实开发也并不怎么困难，经常遇到的问题如下：
　　1.使用插件连接不上集群
　　windows下连接集有两个原因
　　1.用户名不一致
　　解决办法：
　　1、如果是测试环境，可以取消hadoop hdfs的用户权限检查。打开conf/hdfs-site.xml，找到dfs.permissions属性修改为false（默认为true）OK了。（1.2.1 版本只有这个方法可行），如何操作可以参考第一个问题。

　　2、修改hadoop location参数，在advanced parameter选项卡中，找到hadoop.job.ugi项，将此项改为启动hadoop的用户名即可
　　3 修改window 机器的用户名为 hadoop 用户名。
　　2.运行mapreduce程序的时候，会检查权限
　　根据hadoop开发方式总结及操作指导
　　我们知道hadoop开发可以使用插件，也可以不使用插件，如果不使用插件开发可能会遇到下面问题
　　解决办法修改下权限就好了
　　windows eclipse运行mapreduce遇到权限问题该如何解决
　　3.缺少hadoop.dll,以及winutils.exe
　　（1）缺少winutils.exe回报如下错误：
　　Could not locate executable null \bin\winutils.exe in the hadoop binaries
　　
　　windows通过hadoop-eclipse-plugin插件远程开发hadoop运行mapreduce遇到问题及解决
　　（2）缺少hadoop.dll
　　错误如下：

　　Unable to load native-hadoop library for your platform... using builtin-java>　　解决办法：
　　1.首先将hadoop.dll放到hadoop的bin目录下，如下图所示

　　2.配置hadoop home及path
　　path，这里使用的是绝对路径，path里面配置的是hadoop的bin路径。配置完毕，切忌重启机器
　　如下图所示

　　包及插件的下载，可以在这里面找
　　hadoop家族、strom、spark、Linux、flume等jar包、安装包汇总下载(持续更新)
　　上面总结了我们开发环境中经常遇到的问题，上面问题打了预防针，我们后面在连接的时候，就会顺利多了。
　　上面主要讲的window远程连接集群，还有另外一种就是Linux连接集群，这个遇到的问题不多，后面也有所涉及

　　开发hadoop，可以在Linux下，也可以在window下面
　　这里主要讲的是window下面：
　　该如何远程连接hadoop集群
　　对于不同版本不同的配置，远程连接的配置有所不同，特别是端口的配置，但是总体的步骤是差不多的，下面分别是hadoop1.X与hadoop2.X
　　1.插件远程连接
　　hadoop1.X
　　hadoop开发方式之一：利用插件开发指导
　　hadoop2.X
　　新手指导：Windows上使用Eclipse远程连接Hadoop进行程序开发
　　hadoop2.2 eclipse链接hdfs(hadoop)
　　配置Hadoop 2.x开发环境（Eclipse）
　　2.远程连接问题
　　连接中存在问题上面总结了一部分，比如插件、缺.dll、版本等问题
　　Win7中使用Eclipse连接虚拟机中的Ubuntu中的Hadoop2.4经验总结
　　windows 7 使用 eclipse 下hadoop应用开发环境搭建及问题总结
　　3.运行mapreduce
　　已经连接上集群，我们开始运行可以编程了，这里面我们可以操作hdfs，如下例：
　　hadoop实战：Java对hdfs的编程
　　Java创建hdfs文件实例
　　Java操作HDFS错误总结
　　当然操作hdfs，会遇到权限问题，修改hdfs-site.xml即可，我们不在重复。
　　除了操作hdfs上传下载文件等操作，我们还需要完成一定的功能，比如wordcount等简单功能。这里面编程完成三方面内容：
　　1.map函数，起到分割的作用
　　2.reduce函数，处理然后汇总
　　3.main（）驱动。
　　4.如何带参数还需要继续Tool接口，带参数详细参考
　　如何编写运行带参数输入输出路径hadoop程序
　　(1)创建mapreduce
　　运行mapreduce参数参考下面：
　　我们首先可以完成一定的功能，功能的实现，可以参考
　　MapReduce初级案例（1）：使用MapReduce去重
　　MapReduce初级案例（2）：使用MapReduce数据排序
　　MapReduce初级案例（3）：使用MapReduce实现平均成绩
　　通过上面的实现，这里有一个例子，可以放到项目中，直接运行，当然你需要创建数据文件，及根据自己的实际情况修改uri,也就是hdfs：//。。。需要修改成自己的内容。
　　新手指导，该如何在开发环境中，创建mapreduce程序
　　如果我们对mapreduce有一个深度的了解，我们可以把大部分程序转换为mapreduce来实现，详细参考如何让传统程序转换成mapreduce
　　hadoop编程需要注意的问题虽然hadoop是Java语言编写的，但是其有自己的数据类型，及并且可能会遇到编码问题，同时由于mapreduce的分区，采用的是hash算发，下面的内容，可以了解一下
　　hadoop编程基础：数据类型介绍及与Java数据类型之间转换
　　eclipse 调试hadoop需要注意编码问题
　　hadoop基础：Java中的Hash值介绍
　　(2)运行mapreduce
　　创建完毕，我们有两种方式运行mapreduce，一种打包到集群运行，一种在eclipse中运行。
　　hadoop集群，如何运行Java jar包---如何运行mapreduce程序
　　打包集群运行：参考下面内容
　　java零基础：将java源码打成jar包各种方法介绍
　　hadoop编程：解决eclipse能运行，打包放到集群上ClassNotFoundException:经验总结
　　(3)运行中会遇到的问题
　　在开头已经说了一些经典的问题，这里在列出一些相关帖子。
　　1.eclipse中开发Hadoop2.x的Map/Reduce项目汇总
　　阐述了下面问题：
1.如何创建MR程序？2.如何配置运行参数？3.HADOOP_HOME为空会出现什么问题？4.hadoop-common-2.2.0-bin-master/bin的作用是什么？扩展：4.winutils.exe是什么？　　2.Win7 Eclipse调试Centos Hadoop2.2-Mapreduce出现问题解决方案
　　阐述下面问题：
　　1.建一个MapReduce Project，运行时发现出问题：Could not locate executable null，该如何解决？
　　2.Could not locate executabl   ....\hadoop-2.2.0\hadoop-2.2.0\bin\winutils.exe in the Hadoop binaries.该如何解决？
　　3.win7下使用hadoop-eclipse-plugin插件开发添加了hadoop.dll不生效
　　4.通过eclipse中的Java API上传至集群为什么replication默认3份,该如何设置
　　5.eclipse运行出现 Call From to master:8020 failed on connection exception:
　　6.hadoop eclipse插件出现问题
　　7.Linux下面eclipse连接报错,请教大神
　　(4)mapreduce调试：
　　调试的方法有多种，这里说一种最简单、原始的一种。
　　记得Javascript刚开始之初是不能调试的，于是我们就采用alert的方法，看看结果是不是我们想要的，这里我们调试mapreduce采用的是类似的方法。我们通过Counter countPrint1 = context.getCounter("Map中循环strScore", “输出信息”);来输出调试信息，getCounter可以把程序里面的变量输出到Java控制台，这样就达到了调试效果。
　　详细参考：
　　Hadoop中调试（mapreduce）map与redcue信息的输出办法
　　当然还有其他调试方法，可以参考下面
　　Win7 Eclipse调试Centos Hadoop2.2-Mapreduce出现问题解决方案
　　调试Hadoop源代码：eclipse调试及日志打印
　　4.获取源码、阅读源码
　　获取源码可以通过git，maven等方式。
　　（1）maven
　　maven可以单独使用，也可以作为插件放在eclipse中，由于hadoop src采用的是maven的方式，所以我们需要学习和使用maven。
　　eclipse maven plugin 插件安装和配置及maven实战书籍下载
　　源码编译maven系列视频教程汇总
　　如果看了上面的内容，那么我们对maven已经算是很熟悉了，可以通过maven获取hadoop源码了，在获取的源码的时候，最起码要保持网络畅通，如何获取，以及查看hadoop源码，查看的时候，我们还需要关联一些包，否则会出现下面情况，sourcenot found。

　　更多内容，详细可参考：
　　从零教你如何获取hadoop2.4源码并使用eclipse关联hadoop2.4源码
　　Eclipse查看hadoop源代码出现Source not found,是因为没有添加.zip
　　在eclipse中编辑hadoop2.2.0源代码指导
　　源码获取了，我们该如何查看阅读源码，如何通过eclipse查看类的定义，函数的实现，通过下面帖子即可达到我们的目的。
　　如何通过eclipse查看、阅读hadoop2.4源码
　　（2）其它获取源码工具git、svn
　　源码管理、获取网络源码工具：TortoiseSVN使用手册
　　Eclipse上GIT插件EGIT使用手册
　　5.编译hadoop源码
　　源码编译，刚开始还是比较复杂的，需要安装不少的软件包括maven、protobuf、CMake、ant等工具的安装，编译完毕之后，我们就可以安装了。更详细，可以查看下面内容
　　从零教你在Linux环境下（ubuntu）如何编译hadoop2.4
　　Hadoop 源代码 eclipse 编译教程
　　对于编译的.class文件，如果想查看源码，可以通过反编译工具实现
　　java的class文件反编译和Eclipse、MyEclipse反编译插件安装、使用
　　6.插件制作
　　eclipse开发，有的同学，感兴趣，想制作插件，可以查看下面内容
　　Hadoop2.4.0 Eclipse插件制作
　　Hadoop2.4.0 Eclipse插件制作及问题记录
　　Hadoop 2.2.0编译hadoop-eclipse-plugin插件
　　7.资源：
　　由于一些同学经常找不到安装包、插件等，这里汇总一些资源：
　　hadoop家族、strom、spark、Linux、flume等jar包、安装包汇总下载(持续更新)
　　hadoop2.4汇总：hadoop2.4插件下载、完全分布式、伪分布、eclipse插件开发大全
　　hadoop-eclipse-plugin-2.2.0.jar插件包分享
　　补充hadoop2.6 window下eclipse开发hadoop需要添加的组件：

　　链接：http://pan.baidu.com/s/1gd2GIND 密码：u4b4
　　原文地址