1.安裝插件
準備程式：
eclipse-3.3.2（這個版本的插件隻能用這個版本的eclipse）
hadoop-0.20.2-eclipse-plugin.jar （在hadoop-0.20.2/contrib/eclipse-plugin目錄下）
将hadoop-0.20.2-eclipse-plugin.jar 複制到eclipse/plugins目錄下，重新開機eclipse。
2.打開MapReduce視圖
Window -> Open Perspective -> Other 選擇Map/Reduce，圖示是個藍色的象。
3.添加一個MapReduce環境
在eclipse下端，控制台旁邊會多一個Tab，叫“Map/Reduce Locations”，在下面空白的地方點右鍵，選擇“New Hadoop location...”，如圖所示：
在彈出的對話框中填寫如下内容：
Location name（取個名字）
Map/Reduce Master（Job Tracker的IP和端口，根據mapred-site.xml中配置的mapred.job.tracker來填寫）
DFS Master（Name Node的IP和端口，根據core-site.xml中配置的fs.default.name來填寫）
4.使用eclipse對HDFS内容進行修改
經過上一步驟，左側“Project Explorer”中應該會出現配置好的HDFS，點選右鍵，可以進行建立檔案夾、删除檔案夾、上傳檔案、下載下傳檔案、删除檔案等操作。
注意：每一次操作完在eclipse中不能馬上顯示變化，必須得重新整理一下。
5.建立MapReduce工程
5.1配置Hadoop路徑
Window -> Preferences 選擇 “Hadoop Map/Reduce”，點選“Browse...”選擇Hadoop檔案夾的路徑。
這個步驟與運作環境無關，隻是在建立工程的時候能将hadoop根目錄和lib目錄下的所有jar包自動導入。
5.2建立工程
File -> New -> Project 選擇“Map/Reduce Project”，然後輸入項目名稱，建立項目。插件會自動把hadoop根目錄和lib目錄下的所有jar包導入。
5.3建立Mapper或者Reducer
File -> New -> Mapper 建立Mapper，自動繼承mapred包裡面的MapReduceBase并實作Mapper接口。
注意：這個插件自動繼承的是mapred包裡舊版的類和接口，新版的Mapper得自己寫。
Reducer同理。
6.在eclipse中運作WordCount程式
6.1導入WordCount
WordCount
1 import java.io.IOException;
2 import java.util.StringTokenizer;
3
4 import org.apache.hadoop.conf.Configuration;
5 import org.apache.hadoop.fs.Path;
6 import org.apache.hadoop.io.IntWritable;
7 import org.apache.hadoop.io.LongWritable;
8 import org.apache.hadoop.io.Text;
9 import org.apache.hadoop.mapreduce.Job;
10 import org.apache.hadoop.mapreduce.Mapper;
11 import org.apache.hadoop.mapreduce.Reducer;
12 import org.apache.hadoop.mapreduce.lib.input.FileInputFormat;
13 import org.apache.hadoop.mapreduce.lib.output.FileOutputFormat;
14
15 public class WordCount {
16 public static class TokenizerMapper extends Mapper<LongWritable, Text, Text, IntWritable>{
17
18 private final static IntWritable one = new IntWritable(1);
19 private Text word = new Text();
20
21 public void map(LongWritable key, Text value, Context context)
22 throws IOException, InterruptedException {
23 StringTokenizer itr = new StringTokenizer(value.toString());
24 while (itr.hasMoreTokens()) {
25 word.set(itr.nextToken());
26 context.write(word, one);
27 }
28 }
29 }
30
31 public static class IntSumReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
32 private IntWritable result = new IntWritable();
33
34 public void reduce(Text key, Iterable<IntWritable> values, Context context)
35 throws IOException, InterruptedException {
36 int sum = 0;
37 for (IntWritable val : values) {
38 sum += val.get();
39 }
40 result.set(sum);
41 context.write(key, result);
42 }
43 }
44
45 public static void main(String[] args) throws Exception {
46 Configuration conf = new Configuration();
47 if (args.length != 2) {
48 System.err.println("Usage: wordcount ");
49 System.exit(2);
50 }
51
52 Job job = new Job(conf, "word count");
53 job.setJarByClass(WordCount.class);
54 job.setMapperClass(TokenizerMapper.class);
55 job.setReducerClass(IntSumReducer.class);
56 job.setMapOutputKeyClass(Text.class);
57 job.setMapOutputValueClass(IntWritable.class);
58 job.setOutputKeyClass(Text.class);
59 job.setOutputValueClass(IntWritable.class);
60
61 FileInputFormat.addInputPath(job, new Path(args[0]));
62 FileOutputFormat.setOutputPath(job, new Path(args[1]));
63
64 System.exit(job.waitForCompletion(true) ? 0 : 1);
65
66 }
67
68 }
6.2配置運作參數
Run As -> Open Run Dialog... 選擇WordCount程式，在Arguments中配置運作參數：/mapreduce/wordcount/input /mapreduce/wordcount/output/1
分别表示HDFS下的輸入目錄和輸出目錄，其中輸入目錄中有幾個文本檔案，輸出目錄必須不存在。
6.3運作
Run As -> Run on Hadoop 選擇之前配置好的MapReduce運作環境，點選“Finish”運作。
控制台會輸出相關的運作資訊。
6.4檢視運作結果
在輸出目錄/mapreduce/wordcount/output/1中，可以看見WordCount程式的輸出檔案。除此之外，還可以看見一個logs檔案夾，裡面會有運作的日志。