Hadoop 入门

我看过的比较全的文章。赞一下

原文链接：http://www.aboutyun.com/thread-8329-1-1.html

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）

http://www.aboutyun.com/thread-6780-1-1.html
零基础学习hadoop到上手工作线路指导（中级篇）

http://www.aboutyun.com/thread-7567-1-1.html
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)

http://www.aboutyun.com/thread-6920-1-1.html
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）

http://www.aboutyun.com/thread-6921-1-1.html
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

http://www.aboutyun.com/thread-6963-1-1.html
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

http://www.aboutyun.com/thread-6964-1-1.html
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
http://www.aboutyun.com/thread-6824-1-1.html

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
http://www.aboutyun.com/thread-6904-1-1.html
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

http://www.aboutyun.com/thread-6892-1-1.html

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
http://www.aboutyun.com/thread-7972-1-1.html

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

http://www.aboutyun.com/thread-7620-1-1.html
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
http://www.aboutyun.com/thread-8213-1-1.html
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
http://www.aboutyun.com/thread-7269-1-1.html
Java使用hadoop开发基础：Javaweb视频共享
http://www.aboutyun.com/thread-7117-1-1.html
几百GJava文件共享
http://www.aboutyun.com/thread-7955-1-1.html
java百G内容下载：包含自学，入门，高级应用，案例等
http://www.aboutyun.com/thread-6195-1-1.html




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

http://www.aboutyun.com/thread-6950-1-1.html
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
http://www.aboutyun.com/thread-7660-1-1.html

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 inwinutils.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
http://www.aboutyun.com/thread-8311-1-1.html
（2）缺少hadoop.dll
错误如下：
Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
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)

http://www.aboutyun.com/thread-8178-1-1.html
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。






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
http://www.aboutyun.com/thread-6947-1-1.html
hadoop2.X
新手指导：Windows上使用Eclipse远程连接Hadoop进行程序开发
http://www.aboutyun.com/thread-6001-1-1.html
hadoop2.2 eclipse链接hdfs(hadoop)

http://www.aboutyun.com/thread-8190-1-1.html
配置Hadoop 2.x开发环境（Eclipse）
http://www.aboutyun.com/thread-7538-1-1.html
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
http://www.aboutyun.com/thread-7784-1-1.html
windows 7 使用 eclipse 下hadoop应用开发环境搭建及问题总结
http://www.aboutyun.com/thread-8179-1-1.html
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

http://www.aboutyun.com/thread-6500-1-1.html
Java创建hdfs文件实例

http://www.aboutyun.com/thread-6779-1-1.html
Java操作HDFS错误总结
http://www.aboutyun.com/thread-6261-1-1.html
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

http://www.aboutyun.com/thread-7041-1-1.html
MapReduce初级案例（2）：使用MapReduce数据排序

http://www.aboutyun.com/thread-7046-1-1.html
MapReduce初级案例（3）：使用MapReduce实现平均成绩

http://www.aboutyun.com/thread-7048-1-1.html
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
http://www.aboutyun.com/thread-7945-1-1.html

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
http://www.aboutyun.com/thread-8314-1-1.html

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

http://www.aboutyun.com/thread-7036-1-1.html
eclipse 调试hadoop需要注意编码问题
http://www.aboutyun.com/thread-6910-1-1.html
hadoop基础：Java中的Hash值介绍
http://www.aboutyun.com/thread-7560-1-1.html
(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
http://www.aboutyun.com/thread-7408-1-1.html

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

http://www.aboutyun.com/thread-7058-1-1.html
hadoop编程：解决eclipse能运行，打包放到集群上ClassNotFoundException:经验总结
http://www.aboutyun.com/thread-7086-1-1.html

(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

http://www.aboutyun.com/thread-7541-1-1.html
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

http://www.aboutyun.com/thread-8030-1-1.html
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-2.2.0hadoop-2.2.0inwinutils.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
http://www.aboutyun.com/thread-8322-1-1.html
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
http://www.aboutyun.com/thread-7085-1-1.html
5.eclipse运行出现 Call From to master:8020 failed on connection exception:
http://www.aboutyun.com/thread-8321-1-1.html
6.hadoop eclipse插件出现问题
http://www.aboutyun.com/thread-8269-1-1.html
7.Linux下面eclipse连接报错,请教大神
http://www.aboutyun.com/thread-5104-1-1.html
(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
http://www.aboutyun.com/thread-7682-1-1.html
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

http://www.aboutyun.com/thread-8030-1-1.html
调试Hadoop源代码：eclipse调试及日志打印
http://www.aboutyun.com/thread-8021-1-1.html

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
http://www.aboutyun.com/thread-8014-1-1.html

源码编译maven系列视频教程汇总
http://www.aboutyun.com/thread-7972-1-1.html
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，source not 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
http://www.aboutyun.com/thread-8211-1-1.html

Eclipse查看hadoop源代码出现Source not found,是因为没有添加.zip
http://www.aboutyun.com/thread-7047-1-1.html


在eclipse中编辑hadoop2.2.0源代码指导
http://www.aboutyun.com/thread-7283-1-1.html
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
http://www.aboutyun.com/thread-8225-1-1.html

（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
http://www.aboutyun.com/thread-7982-1-1.html
Eclipse上GIT插件EGIT使用手册
http://www.aboutyun.com/thread-8034-1-1.html

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

http://www.aboutyun.com/thread-8130-1-1.html
Hadoop 源代码 eclipse 编译教程
http://www.aboutyun.com/thread-5653-1-1.html
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
http://www.aboutyun.com/thread-7053-1-1.html

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
http://www.aboutyun.com/thread-8117-1-1.html
Hadoop2.4.0 Eclipse插件制作及问题记录
http://www.aboutyun.com/thread-7780-1-1.html
Hadoop 2.2.0编译hadoop-eclipse-plugin插件
http://www.aboutyun.com/thread-7516-1-1.html


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)
http://www.aboutyun.com/thread-8178-1-1.html

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
http://www.aboutyun.com/thread-7795-1-1.html
hadoop-eclipse-plugin-2.2.0.jar插件包分享

http://www.aboutyun.com/thread-6342-1-1.html