我的环境：

系统平台：Ubuntu14.04TLS（64位）

Hadoop环境：Hadoop2.8.3

Eclipse：Neon.2 Release(4.6.2)

Eclipse插件：hadoop-eclipse-plugin-2.8.3.jar

1.先确保已安装了jdk和hadoop，没有的可参考以下两篇文章，已经安装的跳过此步骤

ubuntu jdk安装教程

ubuntu搭建hadoop-2.8.3（伪分布式）

2.安装eclipse，下载对应的hadoop eclipse pulgin插件

注意：Hadoop插件要跟自己安装的Hadoop版本相对应

eclispe官网下载地址

eclipse官网下载

下载的是eclipse-installer文件，打开eclipse-inist，一般选择第一个（根据自己需求）

我的hadoop版本是hadoop2.8.3下载的是hadoop-eclipse-plugin-2.8.3.jar

链接：https://pan.baidu.com/s/1mE5DtURCYKdGUhs0fnhRJg 密码：4cbl

3.在eclipse上安装Hadoop插件并重启eclipse

4.在Eclipse中配置插件

在Eclipse软件中，单击【Windows】-【Preferences】，弹出Preferences对话框，若左侧出现【Hadoop Map/Reduce】选项，则表示插件放置成功。

单击【Hadoop Map/Reduce】选项，并在右侧设置Hadoop的安装目录。

【Windows】-【Open Perspective】-【Other】，弹出对话框，单击蓝色小象【Map/Reduce】，并确定

这时Eclipse下方输出窗口部分，出现【Map/Reduce Locations】选项卡，单击右上角的蓝色小象进行编辑

location name:名称随意填写

Host与core-site.xml文件里的配置保持一致：

port第一个是9001，第二个是9000

点击Advanced parameters，找到fs.defaultFS

添加fs.defaultFS路径，与core-site.xml文件配置保持一致

找到hadoop.tmp.dir,修改路径，和core-site.xml文件配置保持一致

配置完成之后，记得保存，点击finish

右键刷新hadoop，即可看到连接成功

5.创建hadoop项目，运行Wordcount实例

(1)创建hadoop项目，点击左上角file—>new—>other

(2)选择map/preduce下面的map/preduce project

(3)填写项目名称，点击finish

(4)导入jar包，新建一个文件夹hadoop_jar

将以下jar包直接复制粘贴到此文件夹内

hadoop-2.8.3/share/hadoop/mapreduce下的所有jar包（子文件夹下的jar包不用）hadoop-2.8.3/share/hadoop/common下的hadoop-common-2.8.3.jarhadoop-2.8.3/share/hadoop/common/lib下的commons-cli-1.2.jar

注：若版本不同，注意jar包的不同

(5)在项目名称上右键点击Build Path，点击Configure Build Path

(6)点击Libraries，第二步点击Add JARS

(7)选中hadoop_jar下的所有jar包，点击ok

(8)点击Apply and Close，应用并退出

(9)Referenced Libraries库里就多了刚刚添加的几个jar包

(10)新建WordCount类，

WordCount实例api

package lib_test1;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 {  Configuration conf = new Configuration();  String[] otherArgs = new GenericOptionsParser(conf, args).getRemainingArgs();  if (otherArgs.length < 2) {  System.err.println("Usage: wordcount <in> [<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);  for (int i = 0; i < otherArgs.length - 1; ++i) {  FileInputFormat.addInputPath(job, new Path(otherArgs[i]));  }  FileOutputFormat.setOutputPath(job,  new Path(otherArgs[otherArgs.length - 1]));  System.exit(job.waitForCompletion(true) ? 0 : 1);  }  
} 

(11)上传需要单词计数的文件至hdfs

file1文件内容：

file2的文件内容：

(12)右键运行WordCount实例，选择Run configurations

(13)双击java Application，选择WordCount，点击Arguments，第一个是输入路径，第二个是输出路径（输出文件qy_output是自动创建的，运行实例之前不能有，不然报错），输入输出路径中间以一个空格隔开，点击Apply，最后点击run

(14)运行过程

(15)运行结果