如果插件安装成功，打开Windows—Preferences后，在窗口左侧会有Hadoop Map/Reduce选项，点击此选项，在窗口右侧设置Hadoop安装路径。
4、配置Map/Reduce Locations
打开Windows—Open Perspective—Other
搜索“Map”
选择Map/Reduce，点击OK
在右下方看到如下图所示
点击Map/Reduce Location选项卡，点击右边小象图标，打开Hadoop Location配置窗口：
输入Location Name，任意名称即可.配置Map/Reduce Master和DFS Mastrer，Host和Port配置成与core-site.xml的设置一致即可。
点击"Finish"按钮，关闭窗口。
点击左侧的DFSLocations—>myhadoop（上一步配置的location name)，如能看到user，表示安装成功
如果如下图所示表示安装失败，请检查Hadoop是否启动，以及eclipse配置是否正确。使用eclipse版本与jdk的版本对应，可以多安装几个jdk,灵活切换调用。
三、新建WordCount项目
File—>Project，选择Map/Reduce Project，输入项目名称WordCount等。
在WordCount项目里新建class，名称为WordCount，代码如下：
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> <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(otherArgs[0]));
FileOutputFormat. setOutputPath(job, new Path(otherArgs[1]));
System. exit(job.waitForCompletion(true) ? 0 : 1);
}
}
四、运行
1、在HDFS上创建目录input
hadoop fs -mkdir input
或者在Eclipse中的使用快捷功能
2、拷贝本地Test1.txt 到HDFS的input里
hadoop fs -copyFromLocal /usr/root/Test1.txt input
3、点击WordCount.java，右键，点击Run As—>Run Configurations，配置运行参数，即输入和输出文件夹
hdfs://localhost:9000/user/root/input hdfs://localhost:9000/user/root/output
点击Run按钮，运行程序。
4、运行完成后，查看运行结果
方法1：
hadoop fs -ls output
可以看到有两个输出结果，_SUCCESS和part-r-00000
执行hadoop fs -cat output/*
方法2:
展开DFS Locations，如下图所示，双击打开part-r00000查看结果
////////////////////////////////////////////////////////////////////////////
小结：
Hadoop程序处理流程
（1）将文件拆分为splits，并由MapReduce框架自动完成分割，将每一个split分割为<key,value>对
（2）每一对<key,value>调用一次map函数，处理后生产新的<key,value>对，由Context传递给reduce处理
（3）Mapper对<key，value>对进行按key值进行排序，并执行Combine过程，将key值相同的value进行合并。最后得到Mapper的最终输出结果
（4）reduce处理，处理后将新的<key,value>对输出。