eclipse连接Hadoop并实现词频统计（大数据分析）

1、简介

Eclipse是一个集成开发环境（IDE），包含一个基工作区和定制环境的可扩展插件系统。大部分使用 Java 编写，Eclipse 可以用来开发应用程序。

通过各种插件，Eclipse 也可以用于其他编程语言开发应用程序：Ada、ABAP、C、C++、COBOL、 Fortran、Haskell、 JavaScript、Lasso、Natural、Perl、 PHP、 Prolog、 Python、Ruby、Scala、Clojure、 Groovy、Scheme 和 Erlang。它也可以用来开发Mathematica软件包。

开发环境包括 Eclipse Java 开发工具（JDT）支持 Java与Scala，Eclipse CDT C / C + +和Eclipse PDT PHP，等等。

eclipse-linux百度云下载链接，提取码（fm01）

2、解压安装eclipse

在home下创建文件夹eclipse—bag（这是我根据自己的习惯创建的，文件路径以及文件夹名根据自己的需求自行调整）

打开命令行，将桌面的压缩包移动到eclipse-bag文件夹下：

mv eclipse-jee-luna-SR2-linux-gtk-x86_64.tar /home/hadoop/eclipse-bag

这里插入一下，当你不确定你的文件所属路径时，右键，点击Properties，即可查看文件所属路径

然后切换到该目录

cd /home/hadoop/eclipse-bag

将压缩包进行解压

tar -zxvf eclipse-jee-luna-SR2-linux-gtk-x86_64.tar

效果如下

为eclipse创建快捷方式并发送到桌面，方便以后打开

ln -s /eclipse-bag/eclipse/eclipse /home/hadoop/Desktop

效果如图：

3、安装Hadoop插件

Hadoop插件百度云下载链接，提取码（fm01）

直接将下载好的插件复制到eclipse，即

/home/hadoop/exlipse-bag/eclipseplugins

路径下，将插件拖入这个目录后打开eclipse，出现下图红框内文件夹即说明成功！

4、配置Hadoop

点击windows–>Preferences

选择Hadoop的安装目录，点击右下角的Apply and Close关闭对话框

添加Map/Reduce视图，点击最上方的Window—>Perspective—>Open Perspective—>Other，

找到Map/Reduce后选择点击OK

此时页面底部效果如图：

5、连接Hadoop

右键选择New Hadoop location

这里边需要填写三个空，locatio name可以根据需求自行决定，左侧port端口是配置yarn的端口号，没有配置可以按照默认的；右侧port端口号是配置hadoop时coresite.xml文件中配置的端口号，一般应该9000.

Host那里默认的应该是localhost，可以不改，当然这是在伪分布的前提下，如果不是伪分布的话就需要在Host中填写节点主机ip。

配置完成之后，可以在Eclipse的左侧视图中点开DFS Locations查看你的HDFS文件系统，以后可以直接在这里查看HDFS的文件，而不需要通过命令行进行控制

之后打开命令行，使用 HDFS，首先需要在 HDFS 中创建用户目录：

cd /home/hadoop/local/hadoop
./bin/hdfs dfs -mkdir -p /user/hadoop

创建用户目录之后，在目录下创建输入文件夹

./bin/hdfs dfs -mkdir input

接着将 我这里直接右键点击upload files
to DFS…上传了Hadoop安装目录下的README.txt文件作为输入文件复制到分布式文件系统中的input文件夹中

当然上述创建用户目录与input文件夹也可以直接通过右键创建文件夹实现

6、创建Map/Reduce项目

在File中new下选择Project，找到Map/Reduce Project点击Next

为项目名创建个名字，我这里用的是myfirst，之后点击Next就成功创建了一个Map/Reduce项目

7、运行WordCount实现词频统计

右键myfirst项目，依次点击new——>class，创建一个名为WordCount的文件

之后点击finish，将下列代码复制到其中，

package myfirst;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;import org.apache.hadoop.util.GenericOptionsParser;publicclassWordCount{publicstaticvoidmain(String[] args)throws Exception {
    Configuration conf =newConfiguration();
    String[] otherArgs =newGenericOptionsParser(conf, args).getRemainingArgs();if(otherArgs.length !=2){
      System.err.println("Usage: wordcount <in> <out>");
      System.exit(2);}

    Job job = Job.getInstance(conf);
    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,newPath(otherArgs[0]));
    FileOutputFormat.setOutputPath(job,newPath(otherArgs[1]));
    System.exit(job.waitForCompletion(true)?0:1);}publicstaticclassTokenizerMapperextendsMapper<Object, Text, Text, IntWritable>{privatefinalstatic IntWritable one =newIntWritable(1);private Text word =newText();publicvoidmap(Object key, Text value, Context context)throws IOException, InterruptedException {
      StringTokenizer itr =newStringTokenizer(value.toString());while(itr.hasMoreTokens()){
        word.set(itr.nextToken());
        context.write(word, one);}}}publicstaticclassIntSumReducerextendsReducer<Text, IntWritable, Text, IntWritable>{private IntWritable result =newIntWritable();publicvoidreduce(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);}}}

之后右键该java文件，依次选择Run as–>Run configurations…

打开之后切换到Arguments那一栏，输入input output，其中
（input为DFS文件系统中hadoop下的input文件夹，output为结果输出的文件夹，output必须不存在，如果已经存在则删除，否则会出错）

之后点击右下角Run即可开始运行

运行过程

（9）查看运行结果

运行结束后，hadoop文件夹右键刷新，会出现一个output文件夹

双击output文件夹打开，点击par-r-00000文件，查看结果

词频统计完成！