引言：
分布式课程要求使用IDE（IDEA、Eclipse）来编写程序直接对Hadoop集群进行文件操作，目前关于IDEA连接Hadoop集群的教程，良莠不齐，根据多个教程完成了IDEA连接Hadoop集群。现在将完整的流程陈列如下。
如果觉得文章组织形式不好，或者有看不懂的地方请给我留言。
环境：
windows10 （IDEA 2021.1.3）
VMware 16 workstation pro（安装可以搜教程，比较容易）
Linux Server（Hadoop-2.7.7集群 1 master 3 slaves）
集群搭建可以看Hadoop集群搭建（超级详细）_阮哈哈哈哈哈的博客-CSDN博客
idea连接Hadoop集群可以看idea连接本地虚拟机Hadoop集群运行wordcount - 徐春晖 - 博客园 (cnblogs.com)")
前提：
1.通过虚拟机完成了完全分布式Hadoop集群的搭建，在master节点中使用start-all.sh启动Hadoop集群，并使用jps得到下面的输出，表示Hadoop集群搭建成功。
当然也可以通过Hadoop提供的web界面查看，一般来说我们在浏览器中输入192.168.xx.101:50070访问。（注意：有的时候我们确实能够跳转到该界面，但是我们还需要查看datanode是否正常运行，因为存在这样的情况，datanode配置失败，但是Hadoop集群也能成功启动，但是后面的文件操作是无法正常运行的）
点击Datanodes出现上面的界面表示配置好了Hadoop集群。
2.安装好了IDEA开发工具
实现:
在window上配置好Hadoop
1.下载hadoop-2.7.7.tar.gz文件到window。各版本Hadoop，我选择的是2.7.7
Hadoop是跨平台的，不用担心Linux与windows不兼容，但是需要注意的是在hadoop-2.7.7/etc/hadoop/hadoop-env.sh中JAVA_HOME需要修改为window下jdk的路径。
2. 选择一个空目录将hadoop-2.7.7.tar.gz解压
3. 将hadoop-2.7.7添加到环境变量中
变量名：HADOOP_HOME
变量值：E:\xx\xx\xx\hadoop-2.7.7 （先看下面的图再复制）
%JAVA_HOME%\bin
%JAVA_HOME%\jre\bin（先看下面的图再复制）
4.使用命令行查看环境变量是否配置成功
hadoop version
5.安装jdk（JDK 8 所有版本）
解压到目录中，添加环境变量（和Hadoop配置相似，可以上去再看一下）
变量名：JAVA_HOME
变量值：E:\ProgramSoftware\java\JAVAHOME\jdk1.8.0_162
变量值：%JAVA_HOME%\bin
变量值：%JAVA_HOME%\jre\bin
使用java -version、javac验证（注意上面bin以及\jre\bin都要配置，不然会出现hadoop找不到JAVA_HOME的问题）
6. 将winutil.exe放置到hadoop-2.7.7\bin\目录下面。(wintil.ext下载，GitHub中选一个比自己hadoop版本相同或者说高一点的版本)
7. 将winutil.exe以及hadoop-2.7.7\bin\hadoop.dll放置到C:\Windows\System32中
8. 使用idea打开一个空的目录
9. 添加maven，点击Add Framwork Support
添加maven
添加成功后会出现main与test
10.配置maven，将Linux虚拟机中hadoop-2.7.7\etc\core-site.xml与hadoop-2.7.7\etc\hdfs-site.xml复制到resource下（可以通过log4j.properties配置控制台日志的输出等级，可以自己上网查询其他的输出等级策略）
log4j.rootLogger=debug,stdout,R
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%5p - %m%n
log4j.appender.R=org.apache.log4j.RollingFileAppender
log4j.appender.R.File=mapreduce_test.log
log4j.appender.R.MaxFileSize=1MB
log4j.appender.R.MaxBackupIndex=1
log4j.appender.R.layout=org.apache.log4j.PatternLayout
log4j.appender.R.layout.ConversionPattern=%p %t %c - %m%n
log4j.logger.com.codefutures=DEBUG
11. 配置pom.xml
初始状态
添加下方的内容到pom.xml中，添加后idea会开始猛烈地加载需要的资源文件，下载完成后原先的红色pom.xml会变成蓝色（注意：hadoop的版本要和自己的版本一样）
<properties>
<project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
<maven.compiler.source>1.8</maven.compiler.source>
<maven.compiler.target>1.8</maven.compiler.target>
<hadoop.version>2.7.7</hadoop.version>
</properties>
<dependencies>
<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-mapreduce-client-core</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-mapreduce-client-jobclient</artifactId>
<version>${hadoop.version}</version>
</dependency>
<dependency>
<groupId>commons-cli</groupId>
<artifactId>commons-cli</artifactId>
<version>1.3.1</version>
</dependency>
<dependency>
<groupId>org.apache.hadoop</groupId>
<artifactId>hadoop-client</artifactId>
<version>${hadoop.version}</version>
</dependency>
</dependencies>
测试
通过上面的操作，idea连接Hadoop集群基本实现了，现在测试
1. 在java中创建一个java文件
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;
import org.apache.log4j.BasicConfigurator;import java.io.IOException;
public class HdfsTest {
public static void main(String[] args) {
//自动快速地使用缺省Log4j环境。
BasicConfigurator.configure();
try {// 改成你自己的ip以及对应的文件所在的路径
String filename = "hdfs://192.168.47.131:9000/words.txt";
Configuration conf = new Configuration();
FileSystem fs = null;
fs = FileSystem.get(conf);
if (fs.exists(new Path(filename))){// 在控制台搜索the file is exist 或者not exist 根据你的情况，该文件如果存在就会打
// the file is exist 不存在就会打印 the file is not exist
System.out.println("the file is exist");
}else{
System.out.println("the file is not exist");
}
} catch (IOException e) {
e.printStackTrace();
}
}}
此时大概率是没有配置jdk的，按照下图进行配置
2. 配置成功我们运行程序，在控制台中查看是否存在该word.txt，我的该目录下存在所有打印了the file is exist
3. 实现一个词频统计程序
import java.io.IOException;
import java.util.Iterator;
import java.util.StringTokenizer;
import org.apache.hadoop.fs.Path;
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.io.IntWritable;
import org.apache.hadoop.io.Text;
import org.apache.hadoop.mapred.FileInputFormat;
import org.apache.hadoop.mapred.FileOutputFormat;
import org.apache.hadoop.mapred.JobClient;
import org.apache.hadoop.mapred.JobConf;
import org.apache.hadoop.mapred.MapReduceBase;
import org.apache.hadoop.mapred.Mapper;
import org.apache.hadoop.mapred.OutputCollector;
import org.apache.hadoop.mapred.Reducer;
import org.apache.hadoop.mapred.Reporter;
import org.apache.hadoop.mapred.TextInputFormat;
import org.apache.hadoop.mapred.TextOutputFormat;
import org.apache.log4j.BasicConfigurator;
/**
* 单词统计MapReduce
*/
public class WordCount {
/**
* Mapper类
*/
public static class WordCountMapper extends MapReduceBase implements Mapper<Object, Text, Text, IntWritable> {
private final static IntWritable one = new IntWritable(1);
private Text word = new Text();
/**
* map方法完成工作就是读取文件
* 将文件中每个单词作为key键，值设置为1，
* 然后将此键值对设置为map的输出，即reduce的输入
*/
@Override
public void map(Object key, Text value, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
/**
* StringTokenizer：字符串分隔解析类型
* 之前没有发现竟然有这么好用的工具类
* java.util.StringTokenizer
* 1. StringTokenizer(String str) ：
* 构造一个用来解析str的StringTokenizer对象。
* java默认的分隔符是“空格”、“制表符(‘\t’)”、“换行符(‘\n’)”、“回车符(‘\r’)”。
* 2. StringTokenizer(String str, String delim) ：
* 构造一个用来解析str的StringTokenizer对象，并提供一个指定的分隔符。
* 3. StringTokenizer(String str, String delim, boolean returnDelims) ：
* 构造一个用来解析str的StringTokenizer对象，并提供一个指定的分隔符，同时，指定是否返回分隔符。
*
* 默认情况下，java默认的分隔符是“空格”、“制表符(‘\t’)”、“换行符(‘\n’)”、“回车符(‘\r’)”。
*/
StringTokenizer itr = new StringTokenizer(value.toString());
while (itr.hasMoreTokens()) {
word.set(itr.nextToken());
output.collect(word, one);
}
}
}
/**
* reduce的输入即是map的输出，将相同键的单词的值进行统计累加
* 即可得出单词的统计个数，最后把单词作为键，单词的个数作为值，
* 输出到设置的输出文件中保存
*/
public static class WordCountReducer extends MapReduceBase implements Reducer<Text, IntWritable, Text, IntWritable> {
private IntWritable result = new IntWritable();
@Override
public void reduce(Text key, Iterator<IntWritable> values, OutputCollector<Text, IntWritable> output, Reporter reporter) throws IOException {
int sum = 0;
while (values.hasNext()) {
sum += values.next().get();
}
result.set(sum);
output.collect(key, result);
}
}
public static void main(String[] args) throws Exception {
//快速使用log4j日志功能
BasicConfigurator.configure();
网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。
一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！
