使用intellij idea在本地开发hadoop程序

本帖最后由 levycui 于 2017-9-19 15:14 编辑
问题导读：
1、如何使用intellij idea本地调试hadoop？
2、如何在idea中建立hadoop项目？
3、如何导入hadoop的jar包文件？
4、如何在idea运行hadoop程序？

我的intellij idea版本是14，hadoop版本2.6，使用《hadoop权威指南》的天气统计源码作为示例。
下面附上源码，数据集在http://hadoopbook.com/code.html可以下载1901和1902两年数据：
[mw_shl_code=python,true]package com.hadoop.maxtemperature;

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

public class MaxTemperatureMapper
      extends Mapper<LongWritable, Text, Text, IntWritable> {  //注1
private static final int MISSING = 9999;
@Override
public void map(LongWritable key, Text value, Context context)
         throws IOException, InterruptedException {
      String line = value.toString();
      String year = line.substring(15, 19);
      int airTemperature;
      if (line.charAt(87) == '+') { // parseInt doesn't like leading plus signs
         airTemperature = Integer.parseInt(line.substring(88, 92));
      } else {
         airTemperature = Integer.parseInt(line.substring(87, 92));
      }
      String quality = line.substring(92, 93);
      if (airTemperature != MISSING && quality.matches("[01459]")) {
         context.write(new Text(year), new IntWritable(airTemperature));
      }
}
}[/mw_shl_code]

[mw_shl_code=python,true]package com.hadoop.maxtemperature;

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

public class MaxTemperatureReducer
      extends Reducer<Text, IntWritable, Text, IntWritable> {
@Override
public void reduce(Text key, Iterable<IntWritable> values,
                     Context context)
         throws IOException, InterruptedException {
      int maxValue = Integer.MIN_VALUE;
      for (IntWritable value : values) {
         maxValue = Math.max(maxValue, value.get());
      }
      context.write(key, new IntWritable(maxValue));
}
}[/mw_shl_code]

[mw_shl_code=python,true]package com.hadoop.maxtemperature;

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;

public class MaxTemperature {
public static void main(String[] args) throws Exception {
      if (args.length != 2) {
         System.err.println("Usage: MaxTemperature <input path> <output path>");
         System.exit(-1);
      }
      Job job = new Job();
      job.setJarByClass(MaxTemperature.class);
      job.setJobName("Max temperature");

      FileInputFormat.addInputPath(job, new Path(args[0]));
      FileOutputFormat.setOutputPath(job, new Path(args[1]));

      job.setMapperClass(MaxTemperatureMapper.class);
      job.setReducerClass(MaxTemperatureReducer.class);

      job.setOutputKeyClass(Text.class);             //注1
      job.setOutputValueClass(IntWritable.class);

      System.exit(job.waitForCompletion(true) ? 0 : 1);
}
}[/mw_shl_code]

1、首先在hadoop官网上下载hadoop到本地（不需要进行环境变量的配置，仅仅只用下载hadoop的包即可）。
2、打开intellij idea创建一个空项目，并且将源码粘贴进去，如图

这时可以看见代码中的许多类是无法识别的，别急。接下来打开project structure，在左侧找到modules

3、点击下方箭头天假jar或目录

4、将刚才下载的hadoop目录下的share文件夹中的相应目录添加进来

5、点击左侧的artifacts，添加一个空jar

6、输入jar的名称，这里我们输入maxtemperature

7、点击output layout下方的小箭头，选择module output，然后勾选我们的项目，点击确定

8、这时候，刚才显示的各种包和类的缺失错误信息就全部没有了。

9、接下来，点击右上角的edit configurations，如果当前没有application则新建一个application

10、application的名字我们这里取MaxTemperature，然后main class需要输入org.apache.hadoop.util.RunJar，再点击program arguments，填写参数，如下：
其中，第一个参数之前在project structure中填写的jar文件路径，第二个参数是输入文件的目录，第二个参数是输出文件的路径

11、然后，我们需要新建一个输入路径，并将输入文件放进去，（输出文件不要创建，这个由系统自己创建）

12、点击运行，却发现有错误提示，显示找不到类：

13、经过查阅资料，发现刚才填写参数的地方着了一个参数，需要将main函数所在类的路径添加进去：

14、再点击运行，发现运行成功

15、这时候，在项目目录下面生成了一个output目录，里面则存放了运行结果

来源：http://blog.csdn.net/programmer_wei/article/details/45286749
作者：oo笨小孩oo