图文详解如何在windows 8.0上的eclipse 4.4.0中配置centos 6.5上的hadoop 2.2.0开发环境，供有需要的朋友参考学习。
Eclipse的Hadoop插件下载地址：https://www.php.cn/link/bf74cbe3722200f6fad86af0b239d900
下载压缩包后，解压并将hadoop-eclipse-kepler-plugin-2.2.0.jar文件放置到Eclipse的dropins目录中，重启Eclipse即可。
进入Windows -> Preferences配置根目录。
，这里的hadoop installation directory不是指你在Windows上安装的Hadoop目录，而是你在CentOS上编译好的源码在Windows上的解压路径。这个路径仅用于创建MapReduce项目时自动引入所需的jar文件。
进入Window -> Open Perspective -> Other -> Map/Reduce，打开Map/Reduce窗口。
找到
，右击选择New Hadoop location，这时会出现
Git post-commit 钩子 + SQLite 提交索引工具。自动将每次提交的元数据（哈希值、作者、分支、仓库、主题）记录到本地 SQLite 数据库中，随后提供一个命令行接口（CLI），支持查询、列表展示、统计、删除和更新记录。 触发场景：管理 Git 钩子、跨仓库查询提交历史、定位某次提交所属的仓库、查看提交统计信息、将提交记录写入本地索引。 当用户提及“提交日志记录”、“提交索引”、“跨仓库查找提交”、“Git 钩子管理”，或希望以结构化方式查询其提交历史时（即使未明确指出该工具），请使
Map/Reduce(V2)中的配置对应于mapred-site.xml中的端口配置，DFS Master中的配置对应于core-site.xml中的端口配置，配置完成后点击finish即可。这时可以查看
进行测试，创建一个新的MapReduce项目，
，要解决这个问题，你需要在Windows上配置HADOOP_HOME，并将%HADOOP_HOME%in添加到path中。然后从https://github.com/srccodes/hadoop-common-2.2.0-bin下载文件，下载后将bin目录中的内容全部复制到你自己在Windows上的Hadoop bin目录中，覆盖即可。同时，将hadoop.dll添加到C盘的system32目录中。如果完成这些步骤后仍然遇到“Exception in thread "main" java.lang.UnsatisfiedLinkError: org.apache.hadoop.io.nativeio.NativeIO$Windows.access0(Ljava/lang/String;I)Z”，请检查你的JDK版本，可能是由于使用了32位JDK导致的，需要下载并安装64位JDK，并在Eclipse中将JRE环境配置为新安装的64位JRE。
。比如我的jre1.8是64位，而jre7是32位，如果列表中没有你需要的JRE，直接点击add添加即可，选择你的64位JRE环境后，问题就会解决。
接下来编写一个wordcount程序进行测试，下面是我的代码，前提是你已经在HDFS上创建了input文件，并在其中放置了一些内容：
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 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> {
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();
}
}</out></in></intwritable></text></object>
