Windows 8.0上Eclipse 4.4.0 配置CentOS 6.5 上的Hadoop2.2.0开

图文详解Windows 8.0上Eclipse 4.4.0 配置CentOS 6.5 上的Hadoop2.2.0开发环境，给需要的朋友参考学习。

Eclipse的Hadoop插件下载地址：https://github.com/winghc/hadoop2x-eclipse-plugin

将下载的压缩包解压，将hadoop-eclipse-kepler-plugin-2.2.0这个jar包扔到eclipse下面的dropins目录下，重启eclipse即可

进入windows->Preference配置根目录

，这里面的hadoop installation directory并不是你windows上装的hadoop目录，而仅仅是你在centos上编译好的源码，在windows上的解压路径而已，该路径仅仅是用于在创建MapReduce Project能从这个地方自动引入MapReduce所需要的jar

进入Window-->Open Perspective-->other-->Map/Reduce打开Map/Reduce窗口

找到

，右击选择，New Hadoop location，这个时候会出现

Map/Reduce(V2)中的配置对应于mapred-site.xml中的端口配置，DFS Master中的配置对应于core-site.xml中的端口配置，配置完成之后finish即可，这个时候可以查看

测试，新建一个MapReduce项目，

，要解决这个问题，你必须要完成如下几个步骤，在windows上配置HADOOP_HOME，然后将%HADOOP_HOME%\bin加入到path之中，然后去https://github.com/srccodes/hadoop-common-2.2.0-bin下载一个，下载之后将这个bin目录里面的东西全部拷贝到你自己windows上的HADOOP的bin目录下，覆盖即可，同时把hadoop.dll加到C盘下的system32中，如果这些都完成之后还是碰到：Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z，那么就检查一下你的JDK，有可能是32位的JDK导致的，需要下载64位JDK安装，并且在eclipse将jre环境配置为你新安装的64位JRE环境

。如我的jre1.8是64位，jre7是32位，如果这里面没有，你直接add即可，选中你的64位jre环境之后，就会出现了。

之后写个wordcount程序测试一下，贴出我的代码如下，前提是你已经在hdfs上建好了input文件，并且在里面放些内容

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;
public class WordCount {
 public static class TokenizerMapper 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);
  }
  }
 }
 public static class IntSumReducer 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);
  }
 }
 public static void main(String[] args) throws Exception {
// System.setProperty("hadoop.home.dir", "E:\\hadoop2.2\\");
  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(TokenizerMapper.class);
  job.setCombinerClass(IntSumReducer.class);
  job.setReducerClass(IntSumReducer.class);
  job.setOutputKeyClass(Text.class);
  job.setOutputValueClass(IntWritable.class);
  FileInputFormat.addInputPath(job, new Path("hdfs://master:9000/input"));
  FileOutputFormat.setOutputPath(job, new Path("hdfs://master:9000/output"));
  boolean flag = job.waitForCompletion(true);
  System.out.print("SUCCEED!" + flag);
  System.exit(flag ? 0 : 1);
  System.out.println();
 }
}