windows 8.0上eclipse 4.4.0 配置centos 6.5 上的hadoop2.2.0开发环境

1. eclipse的hadoop插件下载地址：https://github.com/winghc/hadoop2x-eclipse-plugin
2. 将下载的压缩包解压，将hadoop-eclipse-kepler-plugin-2.2.0这个jar包扔到eclipse以下的dropins文件夹下。重新启动eclipse就可以
3. 进入windows->Preference配置根文件夹，这里面的hadoop installation directory并非你windows上装的hadoop文件夹，而不过你在centos上编译好的源代码，在windows上的解压路径而已，该路径不过用于在创建MapReduce Project能从这个地方自己主动引入MapReduce所须要的jar
4. 进入Window-->Open Perspective-->other-->Map/Reduce打开Map/Reduce窗体
5. 找到，右击选择。New Hadoop location。这个时候会出现Map/Reduce(V2)中的配置相应于mapred-site.xml中的port配置，DFS Master中的配置相应于core-site.xml中的port配置，配置完毕之后finish就可以，这个时候能够查看
6. 測试，新建一个MapReduce项目。，要解决问题，你必需要完毕例如以下几个步骤，在windows上配置HADOOP_HOME。然后将%HADOOP_HOME%in增加到path之中。然后去https://github.com/srccodes/hadoop-common-2.2.0-bin下载一个，下载之后将这个bin文件夹里面的东西所有复制到你自己windows上的HADOOP的bin文件夹下，覆盖就可以，同一时候把hadoop.dll加到C盘下的system32中，假设这些都完毕之后还是碰到：Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z，那么就检查一下你的JDK，有可能是32位的JDK导致的。须要下载64位安装JDK。而且在eclipse将jre环境配置为你新安装的64位JRE环境。如我的jre1.8是64位。jre7是32位。假设这里面没有，你直接add就可以。选中你的64位jre环境之后，就会出现了。
7. 之后写个wordcount程序測试一下。贴出我的代码例如以下，前提是你已经在hdfs上建好了input文件，而且在里面放些内容
   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 {
    public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
     private final static IntWritable one = new IntWritable(1);
     private Text word = new Text();
     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);
      }
     }
    }
    public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
     private IntWritable result = new IntWritable();
     public void reduce(Text key, Iterable<IntWritable> values, Context context) throws IOException, InterruptedException {
      int sum = 0;
      for (IntWritable val : values) {
       sum += val.get();
      }
      result.set(sum);
      context.write(key, result);
     }
    }
    public static void main(String[] args) throws Exception {
   //	System.setProperty("hadoop.home.dir", "E:\hadoop2.2\");
     Configuration conf = new Configuration();
     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");
     job.setJarByClass(WordCount.class);
     job.setMapperClass(TokenizerMapper.class);
     job.setCombinerClass(IntSumReducer.class);
     job.setReducerClass(IntSumReducer.class);
     job.setOutputKeyClass(Text.class);
     job.setOutputValueClass(IntWritable.class);
     FileInputFormat.addInputPath(job, new Path("hdfs://master:9000/input"));
     FileOutputFormat.setOutputPath(job, new Path("hdfs://master:9000/output"));
     boolean flag = job.waitForCompletion(true);
     System.out.print("SUCCEED!" + flag);
     System.exit(flag ? 0 : 1);
     System.out.println();
    }
   }

   
   
   
   至此，程序最终执行成功，刷新一下你的DFS就可以，看到输出结果