原生态在Hadoop上运行Java程序

第一种：原生态运行jar包
1，利用eclipse编写Map-Reduce方法，一般引入Hadoop-core-1.1.2.jar。注意这里eclipse里没有安装hadoop的插件，只是引入其匝包，该eclipse可以安装在windows或者linux中，如果是在windows中安装的，且在其虚拟机安装的linux，可以通过共享文件夹来实现传递。
2，编写要测试的数据，如命名为tempdata
3，利用eclipse的export来打包已编写好的，在利用eclipse打包jar的时候，只需要选择src即可，一般只打包程序文件，并且需要选择main class，将该jar放到如/home/hadoop/docum/Test.jar
4，将要分析的数据传到hdfs上
hadoop fs -put /home/hadoop/myhadoopdata/tempdata  ./testdata/
5,开始执行jar
hadoop jar /home/hadoop/Docum/Test.jar  /user/hadoop/temperatur output
这是一种利用jar来运行的。
这里Test.jar在本地，jar没必要上传到hdfs上
参数依次为
本地mapred程序，hdfs的测试数据即输入文件，输出文件夹。
hadoop jar /home/hadoop/Temperature.jar inputpath outputpath
注意：这里可以不需要指定类的名称，而输出的文件夹outputpath不能事先已经存在。

第二种：伪分布式下运行WordCount
1，拷贝源代码
cp /usr/local/hadoop1.1.2/src/examples/org/apache/hadoop/examples/WordCount.java  ~/ygch/hadoop/
2，编译源代码，放到指定的文件夹如这里的class下
javac 
-classpath /usr/local/hadoop1.1.2/hadoop-core1.1.2.jar：
/usr/local/hadoop1.1.2/lib/commons-cli-1.2.jarWordCount.java  -d class,
利用-classpath选项指定WordCount需要的jar包。hadoop目录下存放jar包的位置有两个：根目录和/lib目录。然后我们可以通过jar tvf  *.jar查看jar包内容，进而可以知道WordCount需要的是哪几个jar包。
-d选项指定生成的类文件的位置，在编译的时候这个选项必须重新指定，不能让class文件生成在当前目录下。
3,将class文件打包成一个jar包：
jar cvf WordCount.jar -C classes/  .
注意不要忘记最后有一个点.，这个点点必须和前面要有空格，否则jar命令报错。该点指示jar命令的文件列表，表示指定目录下的所有文件。
4，生成input文件：
由于运行hadoop时指定的输入文件只能是HDFS文件系统中的文件，所以我们必须将要进行wordcount的文件从本地文件系统拷贝到HDFS文件系统中。
hadoop fs -mkdir input
hadoop fs -put testfile input
5. 运行jar包：
hadoop jar WordCount.jar org.apache.hadoop.examples.WordCount input output
在运行命令中由于WordCount.java中包括package信息，所以我们在指定类时要包含package的完整信息。
6. 查看结果
在hadoop程序运行完后，结果会放在output目录下，该目录是自动生成的。查看命令为：
hadoop fs -cat output/part-r-00000
使用-cat或者-text都行

第三种Hadoop直接执行Class文件
可以事先在eclipse中编译好class，然后直接利用hadoop来执行该class文件
在Hadoop集群中运行作业的时候，必须要将程序打包为jar文件。
在Hadoop本地和伪分布中可以运行jar文件，也可以直接运行class文件,注意直接运行class文件，必须是没有map和reducer的，直接获取FileSystem来进行操作。
如果类有包名，拷贝的时候也要将其包名拷贝，然后
hadoopwhut/structfile/SequenceFileWriteDemo numbers.seq

利用Hadoop命令和Java命令都可以执行class文件，前者可以将Hadoop库文件路径加入到类路径中来，同时也能获取Hadoop的配置文件。
一般都需要提前设置一个HADOOP_CLASSPATH环境变量用于添加应用程序类的路径，注意这里的路径是用户本地的文件路径，不是hdfs中的路径。

具体的如下：
export  HADOOP_CLASSPATH=/home/hadoop/hadoopclass
hadoop FileSystemCat hdfs://localhost:9000/user/hadoop/inputdata/iodata.txt
也可以直接在IDE中将hadoop的jar加入classpath中，然后直接run

第四种 Hadoop与eclipse环境的搭建
hadoop jar 运行的实质是:
1.利用hadoop这个脚本启动一个jvm进程;
2.jvm进程去运行org.apache.hadoop.util.RunJar这个java类;
3.org.apache.hadoop.util.RunJar解压Temperature.jar
到hadoop.tmp.dir/hadoop-unjar*/目录下;
4.org.apache.hadoop.util.RunJar动态的加载并运行MainClass或参数中指定的Class;
5.MainClass或参数中指定的Class中设定Job的各项属性
6.提交job到JobTracker上并监视运行情况

执行hadoop jar的时候，jar不需要放到hdfs中，一般hadoop是到本地中寻找jar的，如果用户此时在jar目录下，可以直接写jar名。

对于输入文件夹和输出文件夹也不需要写上hadoop的内置路径名，默认是在/user/hadoop/这个目录下的,hadoop命令后可以不用加根路径。

相关阅读：

HDFS的安装和部署 http://www.linuxidc.com/Linux/2013-06/86599.htm

HDFS上块恢复机制 http://www.linuxidc.com/Linux/2013-05/84199.htm

将本地文件拷到HDFS中 http://www.linuxidc.com/Linux/2013-05/83866.htm

用Sqoop进行MySQL和HDFS系统间的数据互导 http://www.linuxidc.com/Linux/2013-04/83447.htm