基于Ubuntu Kylin系统在Hadoop的环境下调用MapReduce对单词WordCount计数

秒速五厘米 2024-04-08 13:03 16阅读 0赞

#### 基于Ubuntu Kylin系统在Hadoop的环境下调用MapReduce对单词WordCount计数 ####

*  一、首先在VB虚拟机中安装基本配置（基于Ubuntu Kylin已安装完毕）
 *  二、安装Java环境
 *  三、安装Hadoop
 *  四、调用MapReduce执行WordCount对单词进行计数
 *  五、总结
 *  六、参考材料

## 一、首先在VB虚拟机中安装基本配置（基于Ubuntu Kylin已安装完毕） ##

1、首先在终端中创建一个hadoop账户（若不想创建可跳过hadoop账户创建）

sudo useradd -m hadoop -s /bin/bash

2、设置hadoop账户的密码

sudo passwd hadoop

3、为 hadoop 用户增加管理员权限，为防止后续操作出现权限不够的情况

sudo adduser hadoop sudo

最后注销当前账户登入hadoop账户  
4、登录hadoop账户后，我们对apt进行更新，在终端下输入以下命令

sudo apt-get update

若出现更新不了的情况，请前往系统设置——软件和更新——下载自源选择https://mirrors.aliyun.com/ubuntu，将更新源更改完成后重新尝试输入上述命令![选择软件和更新][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70]  
![选择阿里云的镜像源][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 1]  
5、装一个vim的编辑器，后期编辑文档比vi好用，辨别文字识别度更高，vi编辑器界面只有黑白，vim对于不同类型的文字有不同的颜色

sudo apt-get install vim

在安装过程中，遇到确认在提示出填写y即可。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 2]  
6、集群、单节点模式都需要用到 SSH 登陆，Ubuntu 默认已安装了 SSH client，此外还需要安装 SSH server

sudo apt-get install openssh-server

安装完后，尝试进行登录

ssh localhost

此时会有如下提示(SSH首次登陆提示)，输入 yes 。然后按提示输入密码 hadoop，这样就登陆到本机了。  
![在这里插入图片描述][2020120500351421.png]  
但这样登陆是需要每次输入密码的，我们需要配置成SSH无密码登陆比较方便。

首先退出刚才的 ssh，就回到了我们原先的终端窗口，然后利用 ssh-keygen 生成密钥，并将密钥加入到授权中：

exit                           # 退出刚才的 ssh localhost
    cd ~/.ssh/                     # 若没有该目录，请先执行一次ssh localhost
    ssh-keygen -t rsa              # 会有提示，都按回车就可以
    cat ./id_rsa.pub >> ./authorized_keys  # 加入授权

此时再用 ssh localhost 命令，无需输入密码就可以直接登陆了，如下图所示  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 3]

## 二、安装Java环境 ##

1、安装JAVA环境采用手动安装，选择的JAVA安装包版本是JDK1.8的安装包jdk-8u162-linux-x64.tar.gz，安装包放在了坚果云里面，[有需要的可以点击这个链接][Link 1](访问密码：is03K4)。  
接下来我们对JAVA安装包进行安装，打开终端，输入如下命令（安装包已从Windows移动到Ubuntu中）。

cd /usr/lib
    sudo mkdir jvm #创建/usr/lib/jvm目录用来存放JDK文件
    cd ~ #进入hadoop用户的主目录
    cd 下载  #通过vb的共享文件夹方式把JDK安装包jdk-8u162-linux-x64.tar.gz从Windows上传到到Ubuntu的该目录下
    sudo tar -zxvf ./jdk-8u162-linux-x64.tar.gz -C /usr/lib/jvm  #把JDK文件解压到/usr/lib/jvm目录下

2、想确认安装包是否已到指定路径，可使用下列命令进行查看

cd /usr/lib/jvm  #切换到/usr/local/jvm这个路径
    ls  #查看当前文件夹有什么文件

![在这里插入图片描述][20201205113016859.png]  
3、设置JAVA环境变量

cd ~
    vim ~/.bashrc

通过上面的vim编辑器，打开环境变量配置文件.bashrc，在文件开头添加如下几行内容（进入vim编辑器中，按键盘“ i ”进入编辑模式）

export JAVA_HOME=/usr/lib/jvm/jdk1.8.0_162
    export JRE_HOME=${JAVA_HOME}/jre
    export CLASSPATH=.:${JAVA_HOME}/lib:${JRE_HOME}/lib
    export PATH=${JAVA_HOME}/bin:$PATH

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 4]  
编辑完后，按Esc退出编辑模式，按Shift+冒号，进入文本命令行模式，输入wq，保存并退出回到终端  
4、执行如下命令让.bashrc文件的配置立即生效，并用命令查看是否安装成功

source ~/.bashrc   #让.bashrc文件的配置立即生效
    java -version   #查看是否安装成功

若返回如下信息，则代表JAVA环境安装成功  
![在这里插入图片描述][20201205113957141.png]

## 三、安装Hadoop ##

1、安装Hadoop，我选择的是Hadoop 2.10.0版本的安装包hadoop-2.10.0.tar.gz，[可以点击这里进行下载][Link 2](访问密码：KE3npb)  
接下来我们对Hadoop安装包进行安装，打开终端，输入如下命令（安装包已从Windows移动到Ubuntu中）。

sudo tar -zxf ~/下载/hadoop-2.10.0.tar.gz -C /usr/local    # 解压到/usr/local中
    cd /usr/local/
    sudo mv ./hadoop-2.10.0/ ./hadoop            # 将文件夹名改为hadoop
    sudo chown -R hadoop ./hadoop       # 修改文件权限

2、查看Hadoop解压完后是否可用，可使用如下命令来检查 Hadoop 是否可用，成功则会显示 Hadoop 版本信息

cd /usr/local/hadoop
    ./bin/hadoop version

3、下面对Hadoop进行伪分布式的配置（Hadoop默认安装好单机配置）  
（1）Hadoop 的配置文件位于 /usr/local/hadoop/etc/hadoop/ 中，我们需要对core-site.xml 和 hdfs-site.xml这两个配置文件进行修改，使用vim编辑器对配置文件进行修改，每个配置以声明 property 的 name 和 value 的方式来实现。

cd /usr/local/hadoop/etc/hadoop  #进入到hadoop文件夹中，core-site.xml 和 hdfs-site.xml这两个配置文件都在这个文件夹里面

（2）在进行修改配置文件前，需要创建相应的文件夹进行存放，否则在后面的操作中，不能够启动Hadoop

sudo mkdir /usr/local/hadoop/tmp
    sudo mkdir /usr/local/hadoop/tmp/dfs/name
    sudo mkdir /usr/local/hadoop/tmp/dfs/data

（3）对core-site.xml进行修改

vim core-site.xml

在配置文件中找到下面这个标签对

在这个标签对中插入下列内容

<property>
           <name>hadoop.tmp.dir</name>
           <value>file:/usr/local/hadoop/tmp</value> 
           <description>Abase for other temporary directories.</description>
       </property>
       <property>
           <name>fs.defaultFS</name>
           <value>hdfs://localhost:9000</value>
       </property>

（4）对hdfs-site.xml进行修改

vim hdfs-site.xml

在配置文件中找到下面这个标签对

在这个标签对中插入下列内容

<property>
            <name>dfs.replication</name>
            <value>1</value>
        </property>
        <property>
            <name>dfs.namenode.name.dir</name>
            <value>file:/usr/local/hadoop/tmp/dfs/name</value>
        </property>
        <property>
            <name>dfs.datanode.data.dir</name>
            <value>file:/usr/local/hadoop/tmp/dfs/data</value>
        </property>

4、配置完成后，执行 NameNode 的格式化:

cd /usr/local/hadoop
    ./bin/hdfs namenode -format

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 5]  
5、开启 NameNode 和 DataNode 守护进程

cd /usr/local/hadoop
    ./sbin/start-dfs.sh  #start-dfs.sh是个完整的可执行文件，中间没有空格

若出现如下SSH提示，输入yes即可  
![在这里插入图片描述][20201205122552173.png]  
6、当程序执行完后，可输入jps查看Hadoop是否启动成功，若出现下图则成功开启  
![在这里插入图片描述][20201205122736416.png]  
7、成功启动后，可以访问 Web 界面 http://localhost:50070 查看 NameNode 和 Datanode 信息，还可以在线查看 HDFS 中的文件。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70_pic_center]

## 四、调用MapReduce执行WordCount对单词进行计数 ##

1、准备一个待分析的文件，里面全都是英文单词，我准备了一个不少于10000字的单词文本，[有需要的可点击这里下载][Link 3](访问密码：JXED37)，将这个文件共享到Ubuntu的/usr/local/hadoop文件夹中，方便后续操作。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 6]  
2、将这个文件上传到HDFS中，我们通过命令的方式进行上传（Hadoop已开启成功）

./bin/hdfs dfs -put /usr/local/hadoop/myLocalFile.txt  input

3、可以使用ls命令查看一下文件是否成功上传到HDFS中

./bin/hdfs dfs –ls input

![在这里插入图片描述][20201205124100222.png]  
4、单词文件上传至HDFS成功后，我们需要安装 Hadoop-Eclipse-Plugin，因为我们要在Eclipse上编译和运行MapReduce程序（Eclipse已安装成功），Hadoop-Eclipse-Plugin安装包已上传至坚果云，[可以点击这里进行下载][Link 4](访问密码：BQkSow)  
接下来我们对Hadoop-Eclipse-Plugin安装包进行安装，打开终端，输入如下命令（安装包已从Windows移动到Ubuntu中）

unzip -qo ~/下载/hadoop2x-eclipse-plugin-master.zip -d ~/下载 # 解压到~/下载中
    sudo cp ~/下载/hadoop2x-eclipse-plugin-master/release/hadoop-eclipse-plugin-2.6.0.jar /usr/lib/eclipse/plugins/  # 复制到eclipse安装目录的plugins目录下
    /usr/lib/eclipse/eclipse -clean  # 添加插件后需要用这种方式使插件生效

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70_pic_center 1]  
当执行完最后一条命令时，系统会自动打开Eclipse软件  
5、软件打开后，我们能够看到左边的Project Explorer里出现DFS Locations  
![在这里插入图片描述][20201205125028745.png_pic_center]  
6、插件需要进一步的配置，我们在上方找到Window——Preference  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 7]  
找到Hadoop Map/Reduce，在那里填入hadoop的安装地址/usr/local/hadoop  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 8]  
7、切换 Map/Reduce 开发视图，选择 Window 菜单下选择 Open Perspective——Other，在里面找到Map/Reduce  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 9]  
8、建立与 Hadoop 集群的连接，点击 Eclipse软件右下角的 Map/Reduce Locations 面板，在面板中单击右键，选择 New Hadoop Location  
![在这里插入图片描述][20201205125638872.png]  
9、弹出来的 General 选项面板中，General 的设置要与 Hadoop 的配置一致，Host填localhost，DFS Master 的 Port 要改为 9000，Location name填MapReduceLocation  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 10]  
10、配置好后，点击左侧 Project Explorer 中的 MapReduce Location （点击三角形展开）就能直接查看 HDFS 中的文件列表了  
![在这里插入图片描述][20201205125935604.png]  
11、在 Eclipse 中创建 MapReduce 项目  
（1）点击 File 菜单，选择 New——Project![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 11]  
（2）选择 Map/Reduce Project，点击 Next  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 12]  
（3）填写 Project name 为 WordCount 即可，点击 Finish 就创建好了项目  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 13]  
（4）此时在左侧的 Project Explorer 就能看到刚才建立的项目了  
（5）右键点击刚创建的 WordCount 项目，选择 New——Class  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 14]  
（6）弹出的class窗口需要填写两个地方：在 Package 处填写 org.apache.hadoop.examples；在 Name 处填写 WordCount  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 15]  
（7）创建 Class 完成后，在 Project 的 src 中就能看到 WordCount.java 这个文件。将如下 WordCount 的代码复制到该文件中。

package org.apache.hadoop.examples;
     
    import java.io.IOException;
    import java.util.Iterator;
    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 WordCount() {
        }
     
        public static void main(String[] args) throws Exception {
            Configuration conf = new Configuration();
            //String[] otherArgs = (new GenericOptionsParser(conf, args)).getRemainingArgs();
            String[] otherArgs=new String[]{"input","output"};
            if(otherArgs.length < 2) {
                System.err.println("Usage: wordcount <in> [<in>...] <out>");
                System.exit(2);
            }
     
            Job job = Job.getInstance(conf, "word count");
            job.setJarByClass(WordCount.class);
            job.setMapperClass(WordCount.TokenizerMapper.class);
            job.setCombinerClass(WordCount.IntSumReducer.class);
            job.setReducerClass(WordCount.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);
        }
     
        public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
            private IntWritable result = new IntWritable();
     
            public IntSumReducer() {
            }
     
            public void reduce(Text key, Iterable<IntWritable> values, Reducer<Text, IntWritable, Text, IntWritable>.Context context) throws IOException, InterruptedException {
                int sum = 0;
     
                IntWritable val;
                for(Iterator<IntWritable> i$ = values.iterator(); i$.hasNext(); sum += val.get()) {
                    val = i$.next();
                }
     
                this.result.set(sum);
                context.write(key, this.result);
            }
        }
     
        public static class TokenizerMapper extends Mapper<Object, Text, Text, IntWritable> {
            private static final IntWritable one = new IntWritable(1);
            private Text word = new Text();
     
            public TokenizerMapper() {
            }
     
            public void map(Object key, Text value, Mapper<Object, Text, Text, IntWritable>.Context context) throws IOException, InterruptedException {
                StringTokenizer itr = new StringTokenizer(value.toString());
     
                while(itr.hasMoreTokens()) {
                    this.word.set(itr.nextToken());
                    context.write(this.word, one);
                }
     
            }
        }
    }

（8）在运行 MapReduce 程序前，需要将 /usr/local/hadoop/etc/hadoop 中将有修改过的配置文件（如伪分布式需要 core-site.xml 和 hdfs-site.xml），以及 log4j.properties 复制到 WordCount 项目下的 src 文件夹（~/workspace/WordCount/src）中，在终端中输入下列几行内容

cp /usr/local/hadoop/etc/hadoop/core-site.xml ~/workspace/WordCount/src
    cp /usr/local/hadoop/etc/hadoop/hdfs-site.xml ~/workspace/WordCount/src
    cp /usr/local/hadoop/etc/hadoop/log4j.properties ~/workspace/WordCount/src

![在这里插入图片描述][20201205130835648.png]  
复制完成后，务必右键点击 WordCount 选择 refresh 进行刷新，可看到src中多出了几个文件  
![在这里插入图片描述][20201205130958811.png]  
（9）在代码文件中，右键选择Run As——Run on Hadoop就可以运行 MapReduce 程序了（运行文件前，务必把Hadoop启动）![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 16]  
（10）当程序执行完后，出现如图所示的样式时，代码运行成功，没有出现报错信息，那么单词计数已经成功![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 17]  
注意：  
1.若出现下面这条错误，则请在代码的左侧中找到标记红色的叉叉的图标，重新更换版本后再次执行代码。![在这里插入图片描述][20201205131414542.png]  
2.若出现下面这条错误，则请在DFS Locations——Map ReduceLocation——user——hadoop中把output这个文件夹删掉，将output文件夹删掉后再次执行代码。![在这里插入图片描述][20201205131540743.png]  
（11）查看结果有两种方式  
①在DFS Locations——Map ReduceLocation——user——hadoop——output中打开part-r-00000这个文件就能查看到结果  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 18]  
②在终端中输入下列命令可查看结果

cd /usr/local/haddop
    ./bin/hdfs dfs -cat output/part-r-00000

![在这里插入图片描述][20201205135418539.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 19]  
(12)将WordCount的输出结果part-r-00000下载到本地

./bin/hdfs dfs -get output/part-r-00000  /home/hadoop/下载  #把HDFS中的output/part-r-00000文件下载到本地文件系统中的“/home/hadoop/下载/”这个目录下

![在这里插入图片描述][2020120513582984.png]  
(13)可以使用如下命令，到本地文件系统查看下载下来的文件part-r-00000

cd ~
    cd 下载
    ls
    cat part-r-00000

![在这里插入图片描述][20201205135939185.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 20]

## 五、总结 ##

通过本次实验的实际操作，将WordCount这么一个案例，进行一个刨析以及实际应用，能够清楚了解到MapReduce的处理过程，首先通过输入一个案例，进行Map输入，Map进行Key、Value操作，输出<Key,Value>的形式，然后进行洗牌，将Map的结果传给Reduce任务，Reduce整合后，输出Reduce结果。

## 六、参考材料 ##

\[1\] [http://dblab.xmu.edu.cn/blog/285/][http_dblab.xmu.edu.cn_blog_285]  
\[2\] [http://dblab.xmu.edu.cn/blog/290-2/][http_dblab.xmu.edu.cn_blog_290-2]  
\[3\] [http://dblab.xmu.edu.cn/blog/hadoop-build-project-using-eclipse/][http_dblab.xmu.edu.cn_blog_hadoop-build-project-using-eclipse]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/ff23aa4bad734ec69c86b39e72215e7d.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/ebb046ad63914491a9b42d2366128705.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 2]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/56cd034bc54e429695fa6c08266b7822.png
[2020120500351421.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/b10c68b7924e4d96a2eb803567e6998c.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 3]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/9ac0d7a20dbe4cf3bcd52c6643951442.png
[Link 1]: https://www.jianguoyun.com/p/DfNzeAMQmJSECRiMgNAD
[20201205113016859.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/91c5b75705b049819e65943a6f7472b4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 4]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/e24dfa6129324399b3e69a88319754aa.png
[20201205113957141.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/39689a6de2714bc2b1a1902bf0a7c2fc.png
[Link 2]: https://www.jianguoyun.com/p/DWmPqk4QmJSECRjMgNAD
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 5]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/49b83f82e9c14d40a7a870bda6552a40.png
[20201205122552173.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/74a9fb0075594594b3646c23e5e305f3.png
[20201205122736416.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/fb32e071374b41d0a19cff8b0dbf8eca.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/ecb0a782eeaa4e88b7658340ac475ebc.png
[Link 3]: https://www.jianguoyun.com/p/DWMjOR8QmJSECRjngdAD
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 6]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/3057137b59dd4761bed5d96bed4d298f.png
[20201205124100222.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/a0e12d892fed4779914fe2b1b1e0dd46.png
[Link 4]: https://www.jianguoyun.com/p/DZS6jNcQmJSECRiTgtAD
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70_pic_center 1]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/df4554de84414f36821db7aef231a450.png
[20201205125028745.png_pic_center]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/1b56250ac8d244f5bbbcdb7163c123b6.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 7]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/62931ba41a084c95a8f4a8afd32575f2.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 8]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/911f13665a894556b7516e23d67a2417.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 9]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/52df340b7f8e4fd28fbc1ff9392df2dc.png
[20201205125638872.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/38b411e298474c05a4a179c39207c3f1.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 10]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/57bf45c96b4d431fb87e860f8cb478cc.png
[20201205125935604.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/d579d9f1e9e14deb8f332cd44e084228.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 11]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/1e905ebeb6b0477cbfe14ca4d1554a00.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 12]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/ee1232bab1d94a76ba034ecb1dfc4708.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 13]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/f71223f3314d40779903af6139ea97aa.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 14]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/c8f93dcd3897479a99d5ac04c2bafbc0.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 15]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/16aa56de7ba844a589fa7912e0c40b11.png
[20201205130835648.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/c082c65f61f84605a0a6aef6102552e2.png
[20201205130958811.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/71c200064aeb405c9930dddc2784c00b.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 16]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/bd8faea5ef3d492584a5e2975b4956da.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 17]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/f2ed926c759d4e889f1ee1ebec405714.png
[20201205131414542.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/36a3261dcde144fea4a8f8761a4645ca.png
[20201205131540743.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/43c4b18701234bf1b6e0d0f3c598377e.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 18]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/ec93db24b7964bf2a8d1263cff1e6cb7.png
[20201205135418539.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/19a1fe4a4324455e94871c151bc1eade.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 19]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/a10b9cabe9c24dde83c43479d5c92b50.png
[2020120513582984.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/a030c1c67af64592a48a02799c4fecd1.png
[20201205135939185.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/9ed0b2ba48ee44d49a59e827ce211964.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L0pUX0xlb25n_size_16_color_FFFFFF_t_70 20]: https://image.dandelioncloud.cn/pgy_files/images/2024/04/08/f28b1028d69542cf9f6d02ba91f2b1df.png
[http_dblab.xmu.edu.cn_blog_285]: http://dblab.xmu.edu.cn/blog/285/
[http_dblab.xmu.edu.cn_blog_290-2]: http://dblab.xmu.edu.cn/blog/290-2/
[http_dblab.xmu.edu.cn_blog_hadoop-build-project-using-eclipse]: http://dblab.xmu.edu.cn/blog/hadoop-build-project-using-eclipse/