零基础学习hadoop编程篇.docx

资源描述

零基础学习hadoop编程篇.docx

《零基础学习hadoop编程篇.docx》由会员分享，可在线阅读，更多相关《零基础学习hadoop编程篇.docx（16页珍藏版）》请在冰豆网上搜索。

零基础学习hadoop编程篇.docx

零基础学习hadoop编程篇

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

∙J2EEjava企业版，主要用于web开发

∙J2SEjava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.XX，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hadoophdfs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hadooplocation参数，在advancedparameter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

windowseclipse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：

Couldnotlocateexecutablenull\bin\winutils.exeinthehadoopbinaries

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：

Unabletoloadnative-hadooplibraryforyourplatform...usingbuiltin-java classeswhereapplicable

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hadoophome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

hadoop2.2eclipse链接hdfs（hadoop）

配置Hadoop2.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

windows7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Javajar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.Win7Eclipse调试CentosHadoop2.2-Mapreduce出现问题解决方案

阐述下面问题：

1.建一个MapReduceProject，运行时发现出问题：

Couldnotlocateexecutablenull，该如何解决？

2.Couldnotlocateexecutabl ....\hadoop-2.2.0\hadoop-2.2.0\bin\winutils.exeintheHadoopbinaries.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JavaAPI上传至集群为什么replication默认3份,该如何设置

5.eclipse运行出现CallFromtomaster:

8020failedonconnectionexception:

6.hadoopeclipse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CountercountPrint1=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

Win7Eclipse调试CentosHadoop2.2-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hadoopsrc采用的是maven的方式，所以我们需要学习和使用maven。

eclipsemavenplugin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，sourcenotfound。