Hadoop入门经验总结
最近一段时间研究Hadoop，入门的话，这两篇文档都不错，按照这些基本上都可以写出第一个hadoop程序了。
http://developer.yahoo.com/hadoop/tutorial/
http://hadoop.apache.org/common/docs/current/mapred_tutorial.html
文档中提到的，我就不说了，我说一下我在实践过程中遇到的问题，我想这些问题其他人也可能会遇到。
1. Eclipse版本的和Eclipse插件的问题：
Yahoo! Mapreduce tutorial 提示了版本兼容问题， “The most recent version which worked properly with the Hadoop plugin is version 3.3.1, "Europa." To download Europa, do not visit the main Eclipse website; it can be found in the archive site http://archive.eclipse.org/eclipse/downloads/ as the ‘Archived Release (3.3.1).’”。我没当回事，结果浪费了我好多天的时间，出现了很多稀奇古怪的问题。 换了版本后，就一切正常了。这就是“不听老人言，吃亏在眼前”，希望这个杯具不出现在其他人那里。
2. Host Name的问题：
hadoop会反向解析hostname，即使是用了IP，也会使用 hostname 来启动 TaskTracker。权宜之计，设置各机器的 /etc/hosts 使hostname能用。
http://stackoverflow.com/questions/4730148/unknownhostexception-on-tasktracker-in-hadoop-cluster
3. API 版本的问题：
《Hadoop The Definitive Guide》上说，0.20以后，有了新的API，就是 ora.apache.hadoop.mapreduce包，我愿意赶新潮，还花了不少力气找新API的代码例子，是写了一个跑的通的例子，但是新API是真心不成熟啊，很多内容都没有，比如 TotalOrderPartitioner、SkipBadRecords，这些扩充的功能都没有，看来还是不能在追赶潮流，还是用成熟的东西比较好。
4. Eclipse插件执行的问题：
一定要点击鼠标右键 Run As -> Run on Hadoop。直接按工具栏上的执行按钮也可以运行，但可能在源代码上的修改不能立即生效执行，感觉好像执行的是旧的代码。
如果要设置参数，点击 “Open Run Dialog” 设置好以后，点击 “Apply”，然后再点击“Run on Hadoop”
5. 中文编码的问题
Hadoop的 io 都只支持UTF-8，如果原始文件是GBK编码（中国经常会这样），直接用 text.getString()，会读出乱码。要先用原始的编码读入到java内部，然后再处理，Java 内部都是用unicode来表示的 String s = new String(text.getBytes(), 0, text.getLength(), "GBK"); 这样告诉java，输入的是GBK编码。这样就能正确处理gbk的输入文件了。
另外， Hadoop.io.Text 中，直接用getBytes会出错，因为拿出来的字节数组中后面有可能会跟一些垃圾，所以要截断。
getBytes的说明：
<strong><a href="http://hadoop.apache.org/common/docs/current/api/org/apache/hadoop/io/Text.html#getBytes%28%29">getBytes</a></strong>()
Returns the raw bytes; however, only data up to getLength() is valid.
6. Skip 模式的问题