通过Maven管理多个MapReduce项目

1. 配置Maven环境

　　首先检查Windows是否配置了maven,进入cmd命令行，输入mvn -version命令，如果出现下图所示的 情形则表示满意配置maven。

　　从浏览器进入maven官网，下载maven压缩包：http://maven.apache.org/download.cgi。下载完后将其解压的一个自定义目录，然后配置环境变量。

　　进入环境变量配置页面，新建一个MAVEN_HOME变量，变量值为刚才解压的路径（进入能看到bin文件夹的路径）。

　　然后，在Path变量下添加MAVEN_HOME变量。

　　注意：老版本Windows直接在变量后面加上分号，然后加上%MAVEN_HOME%\bin。

　　回到命令行，再输入mvn -version，如果出现下图所示的情形则表明配置成功。

2. 在Eclipse中配置Maven

　　进入Eclipse，然后Window->Preferences->Maven，首先关联Maven安装路径待eclipse.

　　然后配置settings.xml文件，下面的本地库保存路径可以自定义（一般默认就好）。

3. 使用Maven管理多个MapReduce项目

　　首先新建一个maven项目。

　　*（该图和我最后的名称不同，因为修改过，不过不影响，按照你自己的来即可）

　　然后新建一个WordCount.java类，代码可以从官网下载：http://hadoop.apache.org/docs/current/hadoop-mapreduce-client/hadoop-mapreduce-client-core/MapReduceTutorial.html#Source_Code

　　此时，WordCount.java类肯定是一片红，有很多报错，这是因为我们目前还没有引入所需要的jar文件。接下来是通过Maven框架引入所依赖的jar文件，这和之前我们直接导入然后Build Path的方法不同。我们现在使用Maven框架来进行管理，我们只需要在pom.xml文件中写入以下内容就可以实现jar文件的自动下载和管理。配置完后保存文件，然后Maven会自动下载好所需要的jar文件，报错也都会给解决掉。

pom.xml

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
         xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
    <modelVersion>4.0.</modelVersion>
　　　//下面两行改为自己新建项目时的Id
    <groupId>com.hadoop</groupId>
    <artifactId>maven</artifactId>
    <version>1.0-SNAPSHOT</version>
    <packaging>jar</packaging>

    <name>maven</name>
    <url>http://maven.apache.org</url>

    <properties>
        <project.build.sourceEncoding>UTF-</project.build.sourceEncoding>
        <hadoop.version>2.6.</hadoop.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>3.8.</version>
            <scope>test</scope>
        </dependency>

        <dependency>
            <groupId>jdk.tools</groupId>
            <artifactId>jdk.tools</artifactId>
            <version>1.8</version> 　　　　　　 //改成自己对于的JDK版本号
            <scope>system</scope>
            <systemPath>${JAVA_HOME}/lib/tools.jar</systemPath>
        </dependency>              

        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-common</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-hdfs</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
        <dependency>
            <groupId>org.apache.hadoop</groupId>
            <artifactId>hadoop-client</artifactId>
            <version>${hadoop.version}</version>
        </dependency>
    </dependencies>
    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-shade-plugin</artifactId>
                <version>2.4.</version>
                <executions>
                    <!-- Run shade goal on package phase -->
                    <execution>
                        <phase>package</phase>
                        <goals>
                            <goal>shade</goal>
                        </goals>
                        <configuration>
                            <transformers>
                                <!-- add Main-Class to manifest file -->
                                <transformer implementation="org.apache.maven.plugins.shade.resource.ManifestResourceTransformer">
                                    <mainClass>com.hadoop.mavenPro.MyDriver</mainClass>　　　　　　//根据自己的项目路径修改
                                </transformer>
                            </transformers>
                            <createDependencyReducedPom>false</createDependencyReducedPom>　　　　//该句很关键，必须配置为false
                        </configuration>
                    </execution>
                </executions>
            </plugin>
        </plugins>
    </build>
</project>   

　　接下来是调试Maven项目中的MapReduce程序。

　　在右键WordCount类选择：Run as->Run Configuration。

　　搜索主类：

　　注意：如果搜不到对应类，请将Search上面的Project选择为自己所新建的项目。

　　设置输入输出路径

　　然后点击运行。

　　运行结果如下：

　　输出目录如下

　　那么，Maven如何管理多个MapReduce程序呢？

　　我们再新建一个MapReduce程序，于是我又新建了一个2.0版本的WordCount类WordCount2.java。然后配置方法同上，只是输出路径要修改一下。

　　运行结果如下

　　根据以上的本地调试证明两个MapReduce程序都没有问题，以下就是多个MapReduce程序的管理。

　　Maven是通过ProgramDriver类来进行管理的。首先我们先新建一个MyDriver类，代码如下：

MyDriver.java

package com.hadoop.mavenPro;

import org.apache.hadoop.util.ProgramDriver;

/**
 * @author Zimo
 *
 */
public class MyDriver {

      public static void main(String argv[]){
        int exitCode = -;
        ProgramDriver pgd = new ProgramDriver();
        try {
          pgd.addClass("wordcount", WordCount.class, 　　　　　　　　　　　　　　　　　　　　　　　　//设置项目别名　　　　　　
                       "A map/reduce program that counts the words in the input files.");　　 //添加项目描述
          pgd.addClass("wordcount2", WordCount2.class,
                       "A map/reduce program that counts the words in the input files.");
          exitCode = pgd.run(argv);
        }
        catch(Throwable e){
          e.printStackTrace();
        }

        System.exit(exitCode);
    }
}

　　通过cmd命令行打包项目：进入项目路径->clean->package。

　　然后回到Eclipse，右键项目刷新一下，target目录下也出现了相应的jar包了，可以直接上传到Hadoop集群运行。

　　然后登陆到Hadoop集群并启动。

[hadoop@centpy ~]$ cd $HADOOP_HOME              //进入Hadoop路径
[hadoop@centpy hadoop-2.6.]$ pwd
/usr/hadoop/hadoop-2.6.0
[hadoop@centpy hadoop-2.6.]$ sbin/start-all.sh //启动集群
This script is Deprecated. Instead use start-dfs.sh and start-yarn.sh
Starting namenodes on [centpy]
centpy: starting namenode, logging to /usr/hadoop/hadoop-2.6./logs/hadoop-hadoop-namenode-centpy.out
centpy: starting datanode, logging to /usr/hadoop/hadoop-2.6./logs/hadoop-hadoop-datanode-centpy.out
Starting secondary namenodes [0.0.0.0]
0.0.0.0: starting secondarynamenode, logging to /usr/hadoop/hadoop-2.6./logs/hadoop-hadoop-secondarynamenode-centpy.out
starting yarn daemons
starting resourcemanager, logging to /usr/hadoop/hadoop-2.6./logs/yarn-hadoop-resourcemanager-centpy.out
centpy: starting nodemanager, logging to /usr/hadoop/hadoop-2.6./logs/yarn-hadoop-nodemanager-centpy.out
[hadoop@centpy hadoop-2.6.]$ jps
 NameNode
 NodeManager
 DataNode
 Jps
 ResourceManager
 SecondaryNameNode

　　新建一个文件夹用于该项目文件的存放。

[hadoop@centpy hadoop-2.6.]$ hadoop fs -mkdir /maven

[hadoop@centpy hadoop-2.6.]$ hadoop fs -ls /

Found  items

drwxr-xr-x   - hadoop hadoop               -- : /hdfsOutput

drwxr-xr-x   - hadoop supergroup           -- : /maven

drwxrwxrwx   - hadoop supergroup           -- : /phone

drwxr-xr-x   - hadoop hadoop               -- : /test

drwx------   - hadoop hadoop               -- : /tmp

drwxr-xr-x   - hadoop hadoop               -- : /weather

drwxr-xr-x   - hadoop hadoop               -- : /weibo

　　上传一个输入文件到/maven。

[hadoop@centpy hadoop-2.6.]$ vi word.txt　　　　　　　　　　　　 //新建一个文件作为输入文件

       hadoop maven

       hadoop maven

       hadoop maven

[hadoop@centpy hadoop-2.6.]$ hadoop fs -put word.txt /maven   //将输入文件放到HDFS中

[hadoop@centpy hadoop-2.6.]$ hadoop fs -ls /maven

Found  items

-rw-r--r--    hadoop supergroup          -- : /maven/word.txt

　　上传项目jar包

[hadoop@centpy hadoop-2.6.]$ rz                             //上传之前打包的jar文件

[hadoop@centpy hadoop-2.6.]$ ls

bin      lib               libhadoop.so.1.0.  LICENSE.txt             sbin             word.txt

data     libexec           libhadooputils.a    logs                    share

etc      libhadoop.a       libhdfs.a           maven-1.0-SNAPSHOT.jar  Temperature.jar

include  libhadooppipes.a  libhdfs.so          NOTICE.txt              WeiboCount.jar

jar      libhadoop.so      libhdfs.so.0.0.    README.txt              WordCount.jar

　　运行项目

 [hadoop@centpy hadoop-2.6.]$ hadoop jar maven-1.0-SNAPSHOT.jar wordcount /maven/word.txt /maven/output              //运行程序
　　　　　　　　                 //由于pom.xml中配置了主类，出现可以直接找到Driver类，所以不用再像以前一样写全包路径，直接写Driver类中的项目别名就行了！
// :: INFO client.RMProxy: Connecting to ResourceManager at /0.0.0.0:
// :: WARN mapreduce.JobSubmitter: Hadoop command-line option parsing not performed. Implement the Tool interface and execute your application with ToolRunner to remedy this.
// :: INFO input.FileInputFormat: Total input paths to process :
// :: INFO mapreduce.JobSubmitter: number of splits:
// :: INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1524619938432_0001
// :: INFO impl.YarnClientImpl: Submitted application application_1524619938432_0001
// :: INFO mapreduce.Job: The url to track the job: http://centpy:8088/proxy/application_1524619938432_0001/
// :: INFO mapreduce.Job: Running job: job_1524619938432_0001
// :: INFO mapreduce.Job: Job job_1524619938432_0001 running in uber mode : false
// :: INFO mapreduce.Job:  map % reduce %
// :: INFO mapreduce.Job:  map % reduce %
// :: INFO mapreduce.Job:  map % reduce %
// :: INFO mapreduce.Job: Job job_1524619938432_0001 completed successfully
// :: INFO mapreduce.Job: Counters:
       File System Counters
              FILE: Number of bytes read=
              FILE: Number of bytes written=
              FILE: Number of read operations=
              FILE: Number of large read operations=
              FILE: Number of write operations=
              HDFS: Number of bytes read=
              HDFS: Number of bytes written=
              HDFS: Number of read operations=
              HDFS: Number of large read operations=
              HDFS: Number of write operations=
       Job Counters
              Launched map tasks=
              Launched reduce tasks=
              Data-local map tasks=
              Total time spent by all maps in occupied slots (ms)=
              Total time spent by all reduces in occupied slots (ms)=
              Total time spent by all map tasks (ms)=
              Total time spent by all reduce tasks (ms)=
              Total vcore-seconds taken by all map tasks=
              Total vcore-seconds taken by all reduce tasks=
              Total megabyte-seconds taken by all map tasks=
              Total megabyte-seconds taken by all reduce tasks=
       Map-Reduce Framework
              Map input records=
              Map output records=
              Map output bytes=
              Map output materialized bytes=
              Input split bytes=
              Combine input records=
              Combine output records=
              Reduce input groups=
              Reduce shuffle bytes=
              Reduce input records=
              Reduce output records=
              Spilled Records=
              Shuffled Maps =
              Failed Shuffles=
              Merged Map outputs=
              GC time elapsed (ms)=
              CPU time spent (ms)=
              Physical memory (bytes) snapshot=
              Virtual memory (bytes) snapshot=
              Total committed heap usage (bytes)=
       Shuffle Errors
              BAD_ID=
              CONNECTION=
              IO_ERROR=
              WRONG_LENGTH=
              WRONG_MAP=
              WRONG_REDUCE=
       File Input Format Counters
              Bytes Read=
       File Output Format Counters
              Bytes Written=

　　输出结果可以从浏览器进入文件系统查看。

　　同样，运行我们的2.0版本的WordCount程序只需要将运行命令中的wordcount修改为wordcount2即可。

　　运行后文件系统中也出现了结果目录

　　到此，通过Maven框架管理多个MapReduce项目的步骤就到此结束了，大家可以多建几个MapReduce项目进行进一步测试。

以上就是博主为大家介绍的这一板块的主要内容，这都是博主自己的学习过程，希望能给大家带来一定的指导作用，有用的还望大家点个支持，如果对你没用也望包涵，有错误烦请指出。如有期待可关注博主以第一时间获取更新哦，谢谢！　

版权声明：本文为博主原创文章，未经博主允许不得转载。