window下使用IDEA远程调试伪分布式hadoop集群

在配置了伪分布式hadoop集群后，接下来就可以写MapReduce程序，在集群中运行并且可以调试。一般来说需要将代码打成jar包，然后在hadoop集群中使用hadoop jar命令来运行，但是这样无法调试打断点，因此IDEA远程调试是有必要的。

本地准备hadoop包

将安装了hadoop集群的tar包，在window选择一个目录，进行解压保存一份。

IDEA中导包

IDEA中建立Module后，需要导入依赖jar包，来源就是上面解压的share目录下的jar包，需要在对应Module点击Dependencies导入common、hdfs、MapReduce和yarn下的包，导入后效果如图。

准备winutils.exe等文件

hadoop天然对window开发不友好，因此需要添加如下插件，将其整体粘贴到本地hadoop的bin目录下，并且双击winutils.exe文件运行一下。如果不设置，后面运行MapReduce会提示winutils文件找不到的错误。

window环境变量

以上配置完成后，依然是无法远程调试的，还需要修改window环境变量，添加本地hadoop的bin目录，并且还需要添加HADOOP_USER_NAME这样系统变量。

（1）hadoop环境变量设置。

（2）添加HADOOP_USER_NAME系统变量，值为root，如果不设置后面运行MapReduce会报权限不够。

 

准备MapReduce程序

再完成上面的配置后，才能到这一步。这里简单的准备一个MapReduce程序，就是统计一段文本中单词出现的次数，需要使用空格拆分每行数据。

mapper类

package com.boe.mapreduce02;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.LongWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Mapper;

import java.io.IOException;

/**
 * Mapper类，来完成Map阶段
 */
public class CharMapper extends Mapper<LongWritable, Text, Text, IntWritable> {
    @Override
    protected void map(LongWritable key, Text value, Context context) throws IOException, InterruptedException {
        //每行读取
        //context 用它写到reducer
        String[] str = value.toString().split(" ");
        for (String c : str) {
            context.write(new Text(c),new IntWritable(1));
        }
    }
}

reducer类

package com.boe.mapreduce02;

import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapreduce.Reducer;

import java.io.IOException;

/**
 * Reducer
 */
public class CharReducer extends Reducer<Text,IntWritable,Text,IntWritable> {
    @Override
    protected void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
        //values是迭代器，reduce阶段和并分区数据，并将结果存入到迭代器中，结果为[1111111...]这样的数据
        //context，用它写到hdfs
        int sum=0;
        for (IntWritable value : values) {
            sum+=value.get();
        }
        context.write(key,new IntWritable(sum));
    }
}

主类

package com.boe.mapreduce02;

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.lib.input.FileInputFormat;
import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;

import java.io.IOException;

/**
 * mapreduce入门
 */
public class CharacterCount {

    public static void main(String[] args) throws IOException, ClassNotFoundException, InterruptedException {
        //向yarn提交一个job
        Job job=Job.getInstance(new Configuration());
        //设置入口类
        job.setJarByClass(CharacterCount.class);
        //设置mapper类和reducer类
        job.setMapperClass(CharMapper.class);
        job.setReducerClass(CharReducer.class);

        //设置map输出格式
        job.setMapOutputKeyClass(Text.class);
        job.setMapOutputValueClass(IntWritable.class);
        //设置reduce输出格式
        job.setOutputKeyClass(Text.class);
        job.setOutputValueClass(IntWritable.class);
        //如果map输出格式和reduce输出格式一样，就只需要设置reduce就行

        //设置读取的文件
        FileInputFormat.addInputPath(job,new Path("hdfs://192.168.200.100:9000/txt/words.txt"));
        //设置输出路径
        //输出路径必须不存在
        FileOutputFormat.setOutputPath(job,new Path("hdfs://192.168.200.100:9000/wordcount"));
        //提交
        job.waitForCompletion(true);

    }

}

准备words.txt文件

运行后查看输出结果，发现正常的输出统计结果，单词和统计数值之间是使用制表符'' ''来分开，发现它们间距有些不一致。因为一个制表符是8个空格的位置，比如football刚好8个空格，和1之间就会有8位的空格，而about这种不到8位的单词，它后面的1就会按照about的首字母a来开始算，往后退8个空格展示，因此就有了看上去不整齐的结果。

这样就完成了window下IDEA实现远程调试Hadoop伪分布式集群的配置使用，记录一下后面查看用。 

参考博文：

（1）https://blog.csdn.net/weixin_39339717/article/details/94635390