为了自己以后方便会看记录一下整个过程，Hadoop集群之前已经搭建好，这部分工作以后再补写。

环境：win10 Eclipse4.4.2 JDK1.7 Hadoop2.7.1

相关安装文件可在文末的链接下载

1.加载eclipse插件

（1）下载hadoop-eclipse-plugin插件，此处下载了hadoop-eclipse-plugin-2.7.1。将hadoop-eclipse-plugin-2.7.1.jar拷贝到 eclipse的plugins目录。重启eclipse。

（2）下载Hadoop，解压到自己想要的路径，如D:\Java\hadoop-2.7.1

（3）打开 window-->preferences ,配置Hadoop MapReduce的安装路径，即（2）中的路径，如下图示

Eclipse连接Hadoop集群并运行wordCount全过程记录

配置HADOOP_HOME环境变量，指向D:\Java\hadoop-2.7.1路径

2.配置MapReduce

（4）打开MapReduce视图。Window-->Show View-->Other 窗口，选择 MapReducer Locations，视图如下图所示

Eclipse连接Hadoop集群并运行wordCount全过程记录

（5）点击蓝色小象新增按钮，提示输入MapReduce和HDFS Master相关信息

Eclipse连接Hadoop集群并运行wordCount全过程记录

（6）配置完成后左侧project Explorer中会出现DFS Location

Eclipse连接Hadoop集群并运行wordCount全过程记录该目录为HDFS目录，可以右击向HDFS传文件。

在user文件中建立input output两个文件夹，并往input文件夹中上传wordCountInput.txt 内容为

c++ java hello
world java hello
you me too

若出现权限问题考虑是否对文件有写的权限，实在不行文件权限改为777。可以ssh连接到hadoop的master服务器 hadoop fs -ls /user 查看目录 hadoop fs -cat /user/aa.txt查看文件

3.创建MapReduce Project

（7）file->new->other 选择Map/Reduce Project 命名为MyHadoop

Eclipse连接Hadoop集群并运行wordCount全过程记录

(8)在项目中建包，并建一个类名为WordCount.java的类。具体源码如下，来自于官方WordCount源码

//package org.apache.hadoop.examples;

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 {

    /*
     * 通过扩展Mapper实现内部类TokenizerMapper
     */
    public static class TokenizerMapper extends
            Mapper<Object, Text, Text, IntWritable> {

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

        /*
         * 重载map方法(non-Javadoc)
         * 
         * @see org.apache.hadoop.mapreduce.Mapper#map(KEYIN, VALUEIN,
         * org.apache.hadoop.mapreduce.Mapper.Context)
         */
        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);// 写入处理的中间结果<key,value>
            }
        }
    }

    /*
     * 通过扩展Reducer实现内部类IntSumReducer
     */
    public static class IntSumReducer extends
            Reducer<Text, IntWritable, Text, IntWritable> {
        private IntWritable result = new IntWritable();

        /*
         * 重载reduce方法(non-Javadoc)
         * 
         * @see org.apache.hadoop.mapreduce.Reducer#reduce(KEYIN,
         * java.lang.Iterable, org.apache.hadoop.mapreduce.Reducer.Context)
         */
        public void reduce(Text key, Iterable<IntWritable> values,
                Context context) throws IOException, InterruptedException {
            int sum = 0;
            for (IntWritable val : values) {
                sum += val.get(); // 计数
            }
            result.set(sum);
            context.write(key, result); // 写回结果
        }
    }

    public static void main(String[] args) throws Exception {
        Configuration conf = new Configuration(); // 启用默认配置
        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");// 定义一个job
        job.setJarByClass(WordCount.class);// 设定执行类
        job.setMapperClass(TokenizerMapper.class);// 设定Mapper实现类
        job.setCombinerClass(IntSumReducer.class);// 设定Combiner实现类
        job.setReducerClass(IntSumReducer.class);// 设定Reducer实现类
        job.setOutputKeyClass(Text.class);// 设定OutputKey实现类,Text.class是默认实现
        job.setOutputValueClass(IntWritable.class);// 设定OutputValue实现类
        FileInputFormat.addInputPath(job, new Path(otherArgs[0]));// 设定job输入文件夹
        FileOutputFormat.setOutputPath(job, new Path(otherArgs[1]));// 设定job输出文件夹
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

(9)加载hadoop运行参数。即加载输入输出文件，右键->run as->run configuration 设置Arguments

Eclipse连接Hadoop集群并运行wordCount全过程记录 ,点击Apply并退出。右击 run as ->Run on Hadoop。

（10）错误及解决方法

可能会出现 log4j:WARN No appenders could be found for logger错误：

解决方法：

在src下面新建file名为log4j.properties内容如下:
# Configure logging for testing: optionally with log file
log4j.rootLogger=WARN, stdout
# log4j.rootLogger=WARN, stdout, logfile

log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d %p [%c] - %m%n

log4j.appender.logfile=org.apache.log4j.FileAppender
log4j.appender.logfile.File=target/spring.log
log4j.appender.logfile.layout=org.apache.log4j.PatternLayout
log4j.appender.logfile.layout.ConversionPattern=%d %p [%c] - %m%n

windows可能会出现 hadoop2.7.1运行Wordcount错误
at java.lang.ProcessBuilder.start(ProcessBuilder.java:1012)

Exception in thread "main" Java.lang.UnsatisfiedLinkError

解决方法：

    1：将Wordcount.jar文件解压到hadoop的bin目录下，文件可在文末的链接下载
    2：将hadoop.dll复制到C:\Window\System32下
    3：添加环境变量HADOOP_HOME，指向Hadoop目录

4：将%HADOOP_HOME%\bin加入到path里面

5：重启myeclipse或者eclipse

（11）运行正常之后会在刚刚传入的Hadoop输出文件中输出

Eclipse连接Hadoop集群并运行wordCount全过程记录 part-r-00000为结果