IDEA 开发hadoop项目配置及打包

一、IDEA开发hadoop项目配置

1.新建工程：

    

2.选择maven，勾上create from archetype，选择quickstart：

    

3.填写maven的坐标，“groupId”，“artifactId”，以及“version”，其中groupId是公司域名的反写，而artifactId是项目名或模块名，而version就是该项目或模块所对应的版本号，点击next：

4.可以使用本地的maven，直接点击next。或者下载maven，勾选第一个Override，使用下载的settings目录：

    

5.写项目名，项目位置：

    

6.点击finish，修改pom.xml，添加Hadoop依赖，添加完后点击右下角弹出的import changes,会自动添加依赖的jar包：

     

    

7.项目配置完成。

二、IDEA开发hadoop项目打包

1.右击项目名称，选择Open Module Settings

    

2.选择Artifacts，点击中间绿色的+号，选择JAR,再选择第二个选项

3.点击Main Class右边的小方块选择主类，下一个选项如果要打成一个压缩包选择第一个，如果其他依赖包要分开放也就是最后是多个jar包选择第二个选项。我选第一个，然后点击OK

    

4.勾选include in project build，点击+和-号添加最后jar包内的其他jar包，主要是将项目依赖的jar包导入，如果一开始配置好了，直接点OK就行。

    

5.然后点击Build按钮，选择Build Artifacts... 

    

6.出现以下选择框，第一次使用选择Build，非第一次选Rebuild

    

7.Build完之后多出了out目录与target目录，接着就可以去本地out目录下找已经完成的jar包

三、出现过的问题

    按以上步骤完成的jar包在使用hadoop jar命令会出现奇怪的问题，如果你的MapReduce程序的输入路径，输出路径写死的话不会出现问题，但是如果输入路径和输出路径接受的是参数的话会报错。具体情况如下：

    比如使用hadoop jar   /本地目录/包名.jar    包名.主类名   输入路径   输出路径。

    会首先报出FileAlreadyExistsException: Output directory  输入路径，也就是把输入路径当成了输出路径

    删除输入路径后会报出InvalidInputException: Input path does not exist  /hdfs目录名/包名.主类名

    由此可以判定hadoop jar命令将包名.主类名当成了输入路径，把输入路径当成了输出路径，输出路径多余。

解决办法：

    在打包第3步的时候千万不要选择主类，让它空着。hadoop jar命令的第二个参数需要你输入主类的名称，如果你打包时选择了主类的名称，它就会将你的包名.主类名当成输入路径，因为它已经知道主类是什么了，所以会产生这样的错误。