[[PageOutline]]
{{{
#!html
<div style="text-align: center;"><big
 style="font-weight: bold;"><big><big> hadoop 0.20 程式開發 </big></big></big></div>
<div style="text-align: center;"> <big>eclipse plugin + Makefile</big> </div>
}}}
 = 零. 前言 =
 * 開發hadoop 需要用到許多的物件導向語法，包括繼承關係、介面類別，而且需要匯入正確的classpath，否則寫hadoop程式只是打字練習...
 * 用類 vim 來處理這種複雜的程式，有可能會變成一場惡夢，因此用eclipse開發，搭配mapreduce-plugin會事半功倍。
 * 早在hadoop 0.19～0.16之間的版本，筆者就試過各個plugin，每個版本的plugin都確實有大大小小的問題，如：hadoop plugin 無法正確使用、無法run as mapreduce。hadoop0.16搭配IBM的hadoop_plugin 可以提供完整的功能，但是，老兵不死，只是凋零...
 * 子曰："逝者如斯夫，不捨晝夜"，以前寫的文件也落伍了，要跟上潮流，因此此篇的重點在：'''用eclipse 3.4.2 開發hadoop 0.20程式，並且測試撰寫的程式運作在hadoop平台上'''
 * 以下是我的作法，如果你有更好的作法，或有需要更正的地方，請與我聯絡

 || 單位 || 作者 || Mail ||
 || 國家高速網路中心-格網技術組 || Wei-Yu Chen || waue @ nchc.org.tw ||

 == 0.1 環境說明 == 
 * ubuntu 8.10
 * sun-java-6
 * eclipse 3.4.2
 * hadoop 0.20.0
 == 0.2 目錄說明 == 
 * 使用者：waue
 * 使用者家目錄： /home/waue
 * 專案目錄 ： /home/waue/workspace
 * hadoop目錄： /opt/hadoop
 = 一、安裝 =
 * 安裝的部份沒必要都一模一樣，僅提供參考，反正只要安裝好java , hadoop , eclipse，並清楚自己的路徑就可以了
 == 1.1. 安裝java ==
 * java 基本套件
{{{
$ sudo apt-get install java-common sun-java6-bin sun-java6-jdk sun-java6-jre
}}}

 == 1.1.1. 安裝sun-java6-doc ==
 * 1 將javadoc (jdk-6u10-docs.zip) 下載下來
 [https://cds.sun.com/is-bin/INTERSHOP.enfinity/WFS/CDS-CDS_Developer-Site/en_US/-/USD/ViewProductDetail-Start?ProductRef=jdk-6u10-docs-oth-JPR@CDS-CDS_Developer 下載點]
[[Image(1-1.png)]]
 
 * 2 下載完後將檔案放在 /tmp/ 下
 * 3 執行
 
{{{
$ sudo apt-get install sun-java6-doc
}}}

 == 1.2. ssh 安裝設定 ==

{{{
$ apt-get install ssh 
$ ssh-keygen -t rsa -P '' -f ~/.ssh/id_rsa
$ cat ~/.ssh/id_rsa.pub >> ~/.ssh/authorized_keys
$ ssh localhost
}}}
 * 執行ssh localhost 沒有出現詢問密碼的訊息則無誤

 == 1.3. 安裝hadoop ==
 * 安裝hadoop0.20到/opt/並取目錄名為hadoop

{{{
$ cd ~
$ wget http://apache.ntu.edu.tw/hadoop/core/hadoop-0.20.0/hadoop-0.20.0.tar.gz
$ tar zxvf hadoop-0.20.0.tar.gz
$ sudo mv hadoop-0.20.0 /opt/
$ sudo chown -R waue:waue /opt/hadoop-0.20.0
$ sudo ln -sf /opt/hadoop-0.20.0 /opt/hadoop
}}}

 * 編輯 /opt/hadoop/conf/hadoop-env.sh

{{{
#!sh
export JAVA_HOME=/usr/lib/jvm/java-6-sun
export HADOOP_HOME=/opt/hadoop
export PATH=$PATH:/opt/hadoop/bin
}}}

 * 編輯 /opt/hadoop/conf/core-site.xml

{{{
#!sh
<configuration>
  <property>
    <name>fs.default.name</name>
    <value>hdfs://localhost:9000</value>
  </property>
  <property>
    <name>hadoop.tmp.dir</name>
    <value>/tmp/hadoop/hadoop-${user.name}</value>
  </property>
</configuration>

}}}

 * 編輯 /opt/hadoop/conf/hdfs-site.xml

{{{
#!sh
<configuration>
  <property>
    <name>dfs.replication</name>
    <value>1</value>
  </property>
</configuration>
}}}

 * 編輯 /opt/hadoop/conf/mapred-site.xml

{{{
#!sh
<configuration>
  <property>
    <name>mapred.job.tracker</name>
    <value>localhost:9001</value>
  </property>
</configuration>
}}}

 * 啟動
{{{
$ cd /opt/hadoop
$ source /opt/hadoop/conf/hadoop-env.sh
$ hadoop namenode -format
$ start-all.sh
$ hadoop fs -put conf input
$ hadoop fs -ls 
}}}

 * 沒有錯誤訊息則代表無誤

 == 1.4. 安裝eclipse ==
 
 * 在此提供兩個方法來下載檔案
   * 方法一：下載 [http://www.eclipse.org/downloads/download.php?file=/eclipse/downloads/drops/R-3.4.2-200902111700/eclipse-SDK-3.4.2-linux-gtk.tar.gz eclipse SDK 3.4.2 Classic]，並且放這檔案到家目錄
   * 方法二：貼上指令
{{{
$ cd ~
$ wget http://ftp.cs.pu.edu.tw/pub/eclipse/eclipse/downloads/drops/R-3.4.2-200902111700/eclipse-SDK-3.4.2-linux-gtk.tar.gz
}}}

 * eclipse 檔已下載到家目錄後，執行下面指令：
 
{{{
$ cd ~
$ tar -zxvf eclipse-SDK-3.4.2-linux-gtk.tar.gz
$ sudo mv eclipse /opt
$ sudo ln -sf /opt/eclipse/eclipse /usr/local/bin/

}}}

 = 二、 建立專案 = 

== 2.1 安裝hadoop 的 eclipse plugin ==
 * 匯入hadoop 0.20.0 eclipse plugin 
{{{
$ cd /opt/hadoop
$ sudo cp /opt/hadoop/contrib/eclipse-plugin/hadoop-0.20.0-eclipse-plugin.jar /opt/eclipse/plugins
}}}
{{{
$ sudo vim /opt/eclipse/eclipse.ini
}}}
 * 可斟酌參考eclipse.ini內容（非必要）
{{{
#!sh
-startup
plugins/org.eclipse.equinox.launcher_1.0.101.R34x_v20081125.jar
--launcher.library
plugins/org.eclipse.equinox.launcher.gtk.linux.x86_1.0.101.R34x_v20080805
-showsplash
org.eclipse.platform
--launcher.XXMaxPermSize
512m
-vmargs
-Xms40m
-Xmx512m
}}}

== 2.2 開啟eclipse & 設定 ==
 * 打開eclipse 
{{{
$ eclipse &
}}}
 * 圖 2-1 一開始會出現問你要將工作目錄放在哪裡：在這我們用預設值
[[Image(2-1.png)]] 
-------
之後的說明則是在eclipse 上的介面操作

 * window -> open pers.. -> other.. -> map/reduce
[[Image(win-open-other.png)]] 
 
 * 圖 2-2 設定要用 Map/Reduce 的視野
[[Image(2-2.png)]] 

 * 圖 2-3 使用 Map/Reduce 的視野後的介面呈現
[[Image(2-3.png)]] 

 * file -> new -> project -> Map/Reduce -> Map/Reduce Project -> next
[[Image(file-new-project.png)]]

 * 圖 2-4 建立mapreduce專案(1)
[[Image(2-4.png)]] 

 * 圖 2-4 建立mapreduce專案的(2)
[[Image(2-4-2.png)]]

{{{
#!sh
project name-> 輸入 : icas (隨意)
use default hadoop -> Configur Hadoop install... -> 輸入： "/opt/hadoop" -> ok
Finish
}}}

由於剛剛建立了icas這個專案，因此eclipse已經建立了新的專案，出現在左邊視窗，右鍵點選該資料夾，並選properties

 * 圖 2-5 右鍵點選project的properties做細部設定
[[Image(2-5.png)]]


進入專案的細部設定頁

 * 圖 2-5-1 hadoop的javadoc的設定(1)
[[Image(2-5-1.png)]]

 * java Build Path -> Libraries -> hadoop-0.20.0-ant.jar
 * java Build Path -> Libraries -> hadoop-0.20.0-core.jar 
 * java Build Path -> Libraries ->  hadoop-0.20.0-tools.jar
   * 以 hadoop-0.20.0-core.jar 的設定內容如下，其他依此類推
{{{
#!sh
source ...-> 輸入：/opt/opt/hadoop-0.20.0/src/core
javadoc ...-> 輸入：file:/opt/hadoop/docs/api/
}}}

 * 圖 2-5-2 hadoop的javadoc的設定完後(2)
[[Image(2-5-2.png)]]

 * javadoc location -> 輸入：file:/usr/lib/jvm/java-6-sun/docs/api/
 
 * 圖 2-5-3 java本身的javadoc的設定(3)
[[Image(2-5-3.png)]]

-----
回到eclipse 主視窗

 * 圖 2-6 視窗右下角黃色大象圖示"Map/Reduce Locations tag" -> 點選齒輪右邊的藍色大象圖示：
[[Image(2-6.png)]]

圖 2-6-1 進行eclipse 與 hadoop 間的設定(2)
[[Image(2-6-1.png)]]

{{{
#!sh
Location Name -> 輸入：hadoop  (隨意)
Map/Reduce Master -> Host-> 輸入：localhost 
Map/Reduce Master -> Port-> 輸入：9001 
DFS Master -> Host-> 輸入：9000
Finish
}}}

圖 2-6-2 設定完後，可以看到下方多了一隻藍色大象，左方展開資料夾也可以秀出在hdfs內的檔案結構
[[Image(2-6-2.png)]]

 = 三、 撰寫範例程式 =

 * 之前在eclipse上已經開了個專案icas，因此這個目錄在：
   * /home/waue/workspace/icas
 * 在這個目錄內有兩個資料夾： 
   * src ： 用來裝程式原始碼 
   * bin ： 用來裝編譯後的class檔
 * 如此一來原始碼和編譯檔就不會混在一起，對之後產生jar檔會很有幫助
 
 == 3.1  我的第一隻程式 ==
 
 * File -> new -> mapper
[[Image(file-new-mapper.png)]]

圖 3-1 mapper.java
[[Image(3-1.png)]]
{{{
#!sh
source folder-> 輸入： icas/src
Package : Sample
Name -> : mapper
}}}

 * mapper.java的程式碼：
{{{
#!java
package Sample;

import java.io.IOException;
import java.util.StringTokenizer;

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

public class mapper extends Mapper<Object, Text, Text, IntWritable> {

	private final static IntWritable one = new IntWritable(1);
	private Text word = new Text();

	public void map(Object key, Text value, Context context)
			throws IOException, InterruptedException {
		StringTokenizer itr = new StringTokenizer(value.toString());
		while (itr.hasMoreTokens()) {
			word.set(itr.nextToken());
			context.write(word, one);
		}
	}
}
}}}

 * 圖 3-2 建立mapper.java後，貼入程式碼
[[Image(3-2.png)]]

建立reducer.java檔

 * File -> new -> reducer
[[Image(file-new-reducer.png)]]

圖 3-3 reducer.java
[[Image(3-3.png)]]

{{{
#!sh
source folder-> 輸入： icas/src
Package : Sample
Name -> : reducer
}}}

 * reducer.java的程式碼
 
{{{
#!java
package Sample;

import java.io.IOException;

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

public class reducer extends Reducer<Text, IntWritable, Text, IntWritable> {
	private IntWritable result = new IntWritable();

	public void reduce(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);
	}
}
}}}

 * File -> new -> Map/Reduce Driver
[[Image(file-new-mr-driver.png)]]


圖 3-4 建立WordCount.java，此檔用來驅動mapper 與 reducer，因此選擇 Map/Reduce Driver
[[Image(3-4.png)]]

{{{
#!sh
source folder-> 輸入： icas/src
Package : Sample
Name -> : WordCount.java
}}}

 * 編輯 WordCount.java 檔

{{{
#!java
package Sample;

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 org.apache.hadoop.util.GenericOptionsParser;

public class WordCount {

	public static void main(String[] args) throws Exception {
		Configuration conf = new Configuration();
		String[] otherArgs = new GenericOptionsParser(conf, args)
				.getRemainingArgs();
		if (otherArgs.length != 2) {
			System.err.println("Usage: wordcount <in> <out>");
			System.exit(2);
		}
		Job job = new Job(conf, "word count");
		job.setJarByClass(WordCount.class);
		job.setMapperClass(mapper.class);

		job.setCombinerClass(reducer.class);
		job.setReducerClass(reducer.class);
		job.setOutputKeyClass(Text.class);
		job.setOutputValueClass(IntWritable.class);
		FileInputFormat.addInputPath(job, new Path(otherArgs[0]));
		FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));
		System.exit(job.waitForCompletion(true) ? 0 : 1);
	}
}
}}}



圖3-5. 三個檔完成後並存檔後，整個程式建立完成
[[Image(3-5.png)]]


 * 三個檔都存檔後，可以看到icas專案下的src，bin都有檔案產生，我們用指令來check
 
{{{
$ cd workspace/icas
$ ls src/Sample/
mapper.java  reducer.java  WordCount.java
$ ls bin/Sample/
mapper.class  reducer.class  WordCount.class
}}}

 = 四、編譯 =
 * 由於hadoop 0.20 此版本的eclipse-plugin依舊不完整 ，如： 
   * 右鍵點選WordCount.java -> run as -> run on Hadoop ：沒有效果
   
[[Image(run-on-hadoop.png)]]
 
 * 因此eclipse到目前為止功臣身退，而編譯hadoop程式就要靠指令來編輯，然而用一行一行指令來產生太沒效率，在此介紹用Makefile來編譯

 == 4.1 產生Makefile ==
{{{

$ cd /home/waue/workspace/icas/
$ gedit Makefile
}}}

 * 輸入以下Makefile的內容
{{{
#!sh

JarFile="sample-0.1.jar"
MainFunc="Sample.WordCount"
LocalOutDir="/tmp/output"

all:help
jar:
  jar -cvf ${JarFile} -C bin/ .

run:
  hadoop jar ${JarFile} ${MainFunc} input output

clean:
  hadoop fs -rmr output

output:
  rm -rf ${LocalOutDir}
  hadoop fs -get output ${LocalOutDir}
  gedit ${LocalOutDir}/part-r-00000 & 

help:
  @echo "Usage:"
  @echo " make jar     - Build Jar File."
  @echo " make clean   - Clean up Output directory on HDFS."
  @echo " make run     - Run your MapReduce code on Hadoop."
  @echo " make output  - Download and show output file"
  @echo " make help    - Show Makefile options."
  @echo " "
  @echo "Example:"
  @echo " make jar; make run; make output; make clean"

}}}


 == 4.2. 執行 ==
 * 執行Makefile，可以到該目錄下，執行make [參數]，若不知道參數為何，可以打make 或 make help
{{{
$ cd /home/waue/workspace/icas/
$ make
}}}

 * 下面提供各種make 的參數
 
 === make jar ===
 * 1. 編譯產生jar檔
 
{{{
$ make jar
}}}

 === make run ===
 * 2. 跑我們的wordcount 於hadoop上

{{{
$ make run
}}}

 * make run基本上能正確無誤的運作到結束，因此代表我們在eclipse編譯的程式可以順利在hadoop0.20的平台上運行。

 * 而回到eclipse視窗，我們可以看到下方視窗run完的job會呈現出來；左方視窗也多出output資料夾，part-r-00000就是我們的結果檔
 
[[Image(4-1.png)]]
------
 * 因為有設定完整的javadoc, 因此可以得到詳細的解說與輔助
[[Image(4-2.png)]]

 === make output ===
 * 3. 這個指令是幫助使用者將結果檔從hdfs下載到local端，並且用gedit來開啟你的結果檔

{{{
$ make output
}}}

 === make clean ===
 * 4. 這個指令用來把hdfs上的output資料夾清除。如果你還想要在跑一次make run，請先執行make clean，否則hadoop會告訴你，output資料夾已經存在，而拒絕工作喔！
{{{
$ make clean
}}}