利用MapReduce利器作开发，不论从思想上还是技能上都是新的体验。以下罗列下如何利用eclipse调试MR任务。

(本人环境：hadoop 1.0.2，部署在linux上，本地windows开发)

1、安装hadoop。

先在linux上安装好hadoop，为更接近线上环进，我的是安装成Cluster

注意要远程访问相关端口，conf/mapred-site.xml中localhost:9001中需要换成ip加端口。

sh bin/start-all.sh启动，先按文档命令行跑一下example的wordcount。

我安装好运行example遇到了XML解析的错(原因应该是${java.home}/lib/jaxp.properties没有设置，见:javax.xml.xpath.XPathFactory.newInstance(uri)的注释)，后来手动加了xalan-j_2.7.0.jar、xercesImpl-2.7.1.jar、xml-apis-2.7.1.jar、xmlenc-0.52.jar、serializer-2.7.1.jar几个包解决。

2、下载hadoop eclipse plugin (最新只有0.20.3，不过也能使用)，将jar放到eclipse/plugins下，启动eclipse

这个插件比较简陋，只有一个设置项:Window->Preferences->Hadoop Map/Reduce，设置Hadoop的安装路径，解压一份跟运行hadoop同版本的到本机并指向就行了(我的使用smb映射)

建ecplise工程，把WordCount的示例代码复制一份吧，有些hadoop相关的jar需要引用。

Run As->Run On Hadoop设置Map/Reduce Master的IP，端口为9000, DFS Master端口为9001

这样，不出意外的话就能在eclipse里运行Map/Reduce程序了。

3、打开debug。

因为Map/Reduce程序会被打成一个jar并拷到TaskTracker机器上(单独的进程)并开一个Child进程来跑JVM的，配置加到bin/下的脚本都是针对hadoop本身的进程，正确的配置如下：

在conf/mapred-site.xml中添加以下配置项：

        <property>
                <name>mapred.child.java.opts</name>
                <!-<value>-Xmx200m -Xdebug -Xrunjdwp:transport=dt_socket,address=7788,server=y,suspend=y</value>->
                <value>-Xmx200m</value>
        </property>

        <property>
                <name>mapred.tasktracker.map.tasks.maximum</name>
                <value>1</value>
                <description>tasktracker的map任务上限</description>
        </property>

        <property>
                <name>mapred.tasktracker.reduce.tasks.maximum</name>
                <value>1</value>
                <description>tasktracker的reduce任务上限</description>
        </property>

        <property>
                <name>mapred.task.timeout</name>
                <value>100000000</value>
        </property>

其中的mapred.child.java.opts会在启动Child进程时设为启动参数。suspend=y取y/n分别表示是否挂起进程等待debug连进来。当然，这个选项还可以方便加其它JVM参数。

重启hadoop，这样运行示例，便可以看到7788端口被监听了。以下几条命令可能会用到：

./bin/stop-all.sh
sleep 1s
./bin/start-all.sh
sleep 1s
./bin/hadoop dfsadmin -safemode leave
#杀掉hadoop进程或某些异常情况下hadoop会安全模式中不退出，HDFS的文件是不能被修改的(运行示例会无任何输出，但从日志中可以看到异常)这个命令强制退出。
./bin/hadoop dfs -rmr /user/dafu/out.txt
echo done

 

以上只在linux的命令行运行有效。eclipse插件其实是自己作为JobClient在运行，从eclipse中运行时会自己生成一个hadoop-site.xml文件(新版hadoop拆分为3个了，不过不影响执行)，而且，在插件GUI设置界面，居然找不到mapred.child.java.opts等配置项，手工打开：workspace/.metadata\.plugins\org.apache.hadoop.eclipse，可以看到这里存放了插件帮我们打好的jar，在hadoop-conf-132297972833171678里可以找到执行的配置。打开目发locations里边的xml文件（hadoop-site.xml的模板文件），搜索mapred.child.java.opts并修改为前面设置的值。

接下来先 Run As->Run On Hadoop，再用eclipse远程连7788端口进行debug即可。

注：多个TaskTracker，可以断多台，应该是一样。

建议继续学习：

1. 使用 Perl 中的 Gearman来实现 MapReduce    (阅读：3014)
2. 《big data glossary》之MapReduce    (阅读：2474)
3. 即时流式数据 MapReduce    (阅读：1683)