吸取前人教训，写下此稿
笔者所用到的软件版本：
hadoop 2.7.3
hadoop-eclipse-plugin-2.7.3.jar
eclipse-java-2020-06-R-win32-x86_64
先从虚拟机下载hadoop 需要解压好和文件配置好的版本，方便后文配置伪分布式文件）
笔者linux的hadoop目录为：/usr/hadoop
下载到windows的某个目录，自行选择 笔者下载到的windows目录为D:\desktop\fsdownload\hadoop-2.7.3
下载eclipse和hadoop连接的插件 hadoop-eclipse-plugin-2.7.3.jar
（笔者hadoop版本为2.7.3，你使用的hadoop版本和插件版本需要对应）
链接：https://pan.baidu.com/s/1m5BCOa1vcNghG0TUklB7CA
提取码：e9mo
（此链接为hadoop-eclipse-plugin-2.7.3.jar）
将下载好的插件hadoop-eclipse-plugin-2.7.3.jar 复制到eclipse的plugins目录下
将winutils.exe文件复制到hadoop目录下的bin路径下
wintil.exe链接
链接：https://pan.baidu.com/s/1Ahzo8IyPhoxzvPSuT1nN7Q
提取码：bhip
配置hadoop环境变量
进入 设置--系统--关于--高级系统设置--环境变量
编辑path变量，增加内容为：%HADOOP_HOME%\bin
增加一个变量HADOOP_HOME
变量值为 hadoop的路径
开启Hadoop集群（此处省略。。自行开启）
开启集群和复制插件之后 开启eclipse，可以在eclipse左侧工作区看到DFS Locations
在windows菜单下选中perference
perence下选中hadoop map/reduce
设置hadoop的安装路径 前文有提到 笔者的安装路径为 D:\desktop\fsdownload\hadoop-2.7.3
建立与hadoop的连接 在eclipse下方工作区对Map/Reduce Locations 进行设置
右击 new hadoop location 进入设置
相关设置如图
笔者的core-site.xml（笔者路径为%HADOOP_HOME%/etc/hadoop/core-site.xml）文件中端口号为9000
设置完成之后可以在DFS Locations看到hdfs上的文件
新建项目hadoop1（项目名随意）
进入eclipse 点击左上角file--new--projects
输入项目名称
这样就创建好了一个mapreduce项目
执行MapReduce 项目前，需要将hadoop中有修改过的配置文件（如伪分布式需要core-site.xml 和 hdfs-site.xml），以及log4j.properties复制到项目下的 src文件夹中
（请忽略已经建好的包）
还需要将windows下的hosts文件修改 让ip和主机名映射
hosts文件路径为C:\Windows\System32\drivers\etc\hosts
而修改hosts文件需要管理员权限
可以先右击hosts文件 点击属性
将属性中的“只读”取消 确定并应用
然后通过管理员身份运行命令提示窗口
进入hosts文件目录上一级
输入notepad hosts 即可修改hosts文件
在最底下 输入相对应的映射关系即可
笔者为192.168.222.171 master746
在hadoop1项目中创建包和类
需要填写两个地方：在Package 处填写 org.apache.hadoop.examples；在Name 处填写wordcount。（包名、类名可以随意起）
此处笔者参考 http://t.csdn.cn/4WKHD
写入代码
package org.apache.hadoop.examples;
import java.io.IOException;
import java.util.Iterator;
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 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> [<in>...] <out>");
System.exit(2);
}
Job job = Job.getInstance(conf, "word count");
job.setJarByClass(wordcount.class);
job.setMapperClass(wordcount.TokenizerMapper.class);
job.setCombinerClass(wordcount.IntSumReducer.class);
job.setReducerClass(wordcount.IntSumReducer.class);
job.setOutputKeyClass(Text.class);
job.setOutputValueClass(IntWritable.class);
for(int i = 0; i < otherArgs.length - 1; ++i) {
FileInputFormat.addInputPath(job, new Path(otherArgs[i]));
}
FileOutputFormat.setOutputPath(job, new Path(otherArgs[otherArgs.length - 1]));
System.exit(job.waitForCompletion(true)?0:1);
}
public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
public IntSumReducer() {
}
public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
int sum = 0;
IntWritable val;
for(Iterator i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
val = (IntWritable)i$.next();
}
this.result.set(sum);
context.write(key, this.result);
}
}
public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
private static final IntWritable one = new IntWritable(1);
private Text word = new Text();
public TokenizerMapper() {
}
public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
StringTokenizer itr = new StringTokenizer(value.toString());
while(itr.hasMoreTokens()) {
this.word.set(itr.nextToken());
context.write(this.word, one);
}
}
}
}
运行时右击空白处 点击 run as 然后点击 run configutations
前面写需要进行mapreduce计算的文件 必须原本就存在
后面写输出文件 必须原本不存在 不然均会报错
看到类似这样的运行结果就是成功啦
成功运行后 查看输出文件（若未及时出现 可以右击文件refresh）
做到这 eclipse和hadoop就算连接成啦
完结撒花~
跟着笔者的步骤可以避免笔者踩过的大部分坑
下面是我没有注明在文中的一些错误，欢迎大家一起来讨论
Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Wi
报错如下
Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z
at org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Native Method)
at org.apache.hadoop.io.nativeio.NativeIO$Windows.access(NativeIO.java:609)
at org.apache.hadoop.fs.FileUtil.canRead(FileUtil.java:977)
at org.apache.hadoop.util.DiskChecker.checkAccessByFileMethods(DiskChecker.java:187)
at org.apache.hadoop.util.DiskChecker.checkDirAccess(DiskChecker.java:174)
at org.apache.hadoop.util.DiskChecker.checkDir(DiskChecker.java:108)
at org.apache.hadoop.fs.LocalDirAllocator$AllocatorPerContext.confChanged(LocalDirAllocator.java:285)
at org.apache.hadoop.fs.LocalDirAllocator$AllocatorPerContext.getLocalPathForWrite(LocalDirAllocator.java:344)
at org.apache.hadoop.fs.LocalDirAllocator.getLocalPathForWrite(LocalDirAllocator.java:150)
at org.apache.hadoop.fs.LocalDirAllocator.getLocalPathForWrite(LocalDirAllocator.java:131)
at org.apache.hadoop.fs.LocalDirAllocator.getLocalPathForWrite(LocalDirAllocator.java:115)
at org.apache.hadoop.mapred.LocalDistributedCacheManager.setup(LocalDistributedCacheManager.java:125)
at org.apache.hadoop.mapred.LocalJobRunner$Job.<init>(LocalJobRunner.java:163)
at org.apache.hadoop.mapred.LocalJobRunner.submitJob(LocalJobRunner.java:731)
at org.apache.hadoop.mapreduce.JobSubmitter.submitJobInternal(JobSubmitter.java:240)
at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1290)
at org.apache.hadoop.mapreduce.Job$10.run(Job.java:1287)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:422)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1657)
at org.apache.hadoop.mapreduce.Job.submit(Job.java:1287)
at org.apache.hadoop.mapreduce.Job.waitForCompletion(Job.java:1308)
at com.qs.WordcountDriver.main(WordcountDriver.java:44)
解决办法：
在创建的项目中 重新创建一个包，名为：org.apache.hadoop.io.nativeio
在包中创建一个类，名为NativeIO
内容为： 参考链接：http://t.csdn.cn/YxMOW
创建好在eclipse如下：
文章来源：https://www.toymoban.com/news/detail-432431.html
再运行，就可以解决了。文章来源地址https://www.toymoban.com/news/detail-432431.html
到了这里，关于eclipse和hadoop连接攻略（详细） Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Wi的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！
