Apache Maven で Hadoop を管理する方法 #Java

プロジェクト管理ツールである Apache Maven で Hadoop MapReduce プログラムを管理する方法について。今回作成したプロジェクトは github で公開している。

手順

1. プロジェクトの作成

まずはじめにプロジェクトを作成する。

$ mvn archetype:create -DgroupId=org.holidayworking -DartifactId=hadoop-maven-sample

引数で指定している group-id にはプロジェクトのルートパッケージ名、artifactId にはプロジェクト名を指定する。今回はルートパッケージ名を org.holidayworking、プロジェクト名を hadoo-maven-sample としている。

2. pom.xml の編集

ライブラリとして hadoop-core.jar が必要となる。今回は Cloudera から公開しているレポジトリから入手するようにする。

pom.xml

<project xmlns="http://maven.apache.org/POM/4.0.0" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance"
  xsi:schemaLocation="http://maven.apache.org/POM/4.0.0 http://maven.apache.org/xsd/maven-4.0.0.xsd">
  <modelVersion>4.0.0</modelVersion>

  <groupId>org.holidayworking</groupId>
  <artifactId>hadoop-maven-sample</artifactId>
  <version>1.0-SNAPSHOT</version>
  <packaging>jar</packaging>

  <name>hadoop-maven-sample</name>
  <url>http://maven.apache.org</url>

  <properties>
    <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
  </properties>

   <repositories>
    <repository>
      <id>cloudera</id>
      <url>https://repository.cloudera.com/content/repositories/releases/</url>
    </repository>
  </repositories>

  <dependencies>
    <dependency>
      <groupId>junit</groupId>
      <artifactId>junit</artifactId>
      <version>3.8.1</version>
      <scope>test</scope>
    </dependency>
    <dependency>
      <groupId>org.apache.hadoop</groupId>
      <artifactId>hadoop-core</artifactId>
      <version>0.20.2-cdh3u2</version>
    </dependency>
  </dependencies>

  <build>
    <plugins>
      <plugin>
        <groupId>org.apache.maven.plugins</groupId>
        <artifactId>maven-compiler-plugin</artifactId>
        <version>2.3.2</version>
        <configuration>
          <source>1.6</source>
          <target>1.6</target>
        </configuration>
      </plugin>
    </plugins>
  </build>
</project>

3. プログラミング

適当な処理をするプログラムを作成する。

4. プログラムの実行

jar を作成してから、hadoop コマンドで実行する。

$ mvn clean package
$ hadoop jar target/hadoop-maven-sample-1.0-SNAPSHOT.jar org.holidayworking.WordCount CHANGES.txt output

補足

Eclipse にインポートするには？

Eclipse に下記のパッケージをインストールしておく。

m2e - Maven Integration for Eclipse
m2e - slf4j over logback loggin (Optional)

そして、プロジェクトのディレクトリで下記のコマンドを実行する。

$ mvn eclipse:eclipse

すると、Eclipse で管理するのに必要なファイルが作成されるので、あとはインポートしてやればいい。