IDEA 中怎么运行MapReduce 程序

// https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-common
compile group: 'org.apache.hadoop', name: 'hadoop-common', version: '3.2.1'
// https://mvnrepository.com/artifact/org.apache.hadoop/hadoop-client
compile group: 'org.apache.hadoop', name: 'hadoop-client', version: '3.2.1'

log4j.appender.A1.Encoding=UTF-8
log4j.rootLogger=INFO, stdout
log4j.appender.stdout=org.apache.log4j.ConsoleAppender
log4j.appender.stdout.layout=org.apache.log4j.PatternLayout
log4j.appender.stdout.layout.ConversionPattern=%d{ABSOLUTE} | %-5.5p | %-16.16t | %-32.32c{1} | %-32.32C %4L | %m%n

public class WordCount {
    public static class WordCountMapper extends Mapper<Object, Text, Text, IntWritable> {

        private final static IntWritable ONE = new IntWritable(1);
        private final Text word = new Text();

        @Override
        public void map(Object key, Text value, Context context) throws IOException, InterruptedException {
            // 按照空格切割字符串，一行一行输入的
            // Context 将输出内容写入 《Hadoop 权威指南》P25
            StringTokenizer itr = new StringTokenizer(value.toString());
            while (itr.hasMoreTokens()) {
                word.set(itr.nextToken());
                context.write(word, ONE);
            }
        }
    }

    public static class WordCountReducer extends Reducer<Text, IntWritable, Text, IntWritable> {
        private final IntWritable result = new IntWritable();

        @Override
        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 {
        // 读取配置文件
        Configuration conf = new Configuration();
        // 设置任务名称
        Job job = Job.getInstance(conf, "WordCount");
        // 设置运行的 jar 包，通过 class 的形式 TODO：验证直接设置 jar 包
        job.setJarByClass(WordCount.class);
        // Map 的类，
        job.setMapperClass(WordCountMapper.class);
        // Reducer 类的设置
        // Combiner 是非必须的，属于优化方案，用于找出每个 Map 的结果，然后再通过 Reducer 再次聚合
        // 作用是减少每个 map 输出结果量，有他没他最终结果是一样的 ，《Hadoop 权威指南》中文第三版 P35
        job.setCombinerClass(WordCountReducer.class);
        job.setReducerClass(WordCountReducer.class);
        // 设置输出的 key--value 的类型，Hadoop 的 org.apache.hadoop.io 包提供了一套可优化的网络序列化传输基本类型。
        // 并不直接使用 Java 的内嵌类型
        // Text 相当于 String
        job.setOutputKeyClass(Text.class);
        // IntWritable 相当于 Integer
        job.setOutputValueClass(IntWritable.class);
        // 设置输入文件的路径,可以直接指定或者通过传入参数
        FileInputFormat.addInputPath(job, new Path("input/chapter01/WordCount"));
        // 设置输出文件的存放路径
        FileOutputFormat.setOutputPath(job, new Path("output/chapter01/WordCount"));
        // true 表示打印 job 和 Task 的运行日志，如果正常运行结束则返回零
        System.exit(job.waitForCompletion(true) ? 0 : 1);
    }
}

hello world
hello hadoop
hello bigdata
hello hadoop  and bigdata

and	1
bigdata	2
hadoop	2
hello	4
world	1

<configuration>
  <property>
    <!-- URI 定义主机名称和 namenode 的 RPC 服务器工作的端口号 -->
    <name>fs.defaultFS</name>
    <value>hdfs://master:9000</value>
  </property>
  <!--
  <property> 这个可以设置为本地路径，但没有什么用，这个路径是 Hadoop 集群用的
    Hadoop 临时目录，默认是系统的临时目录下，/tmp/hadoop-${username} 下
    <name>hadoop.tmp.dir</name>
    <value>/home/xian/hadoop/cluster</value>
  </property>  -->
</configuration>

<configuration>
    <!-- 远程提交到 Linux 的平台上 -->
    <property>         
        <name>mapred.remote.os</name>  
        <value>Linux</value>
        <description>Remote MapReduce framework's OS, can be either Linux or Windows</description>    
    </property>
    <!--允许跨平台提交 解决 /bin/bash: line 0: fg: no job control  -->
    <property>
        <name>mapreduce.app-submission.cross-platform</name>
        <value>true</value>
    </property>
</configuration>

// 读取配置文件，自动读取 resource 的那几个 xml
Configuration conf = new Configuration();
// 省略其他
// 设置输入文件的路径,可以直接指定或者通过传入参数
// new Path(arg[0]) 通过 Programmer argument 传入
// Path("input") 等于 hdfs://master:9000/user/{HADOOP_USER_NAME}/input
FileInputFormat.addInputPath(job, new Path("input"));
// 设置输出文件的存放路径
FileOutputFormat.setOutputPath(job, new Path("output"));

dependencies {
// 省略依赖
}
// 支持中文编码和注释
tasks.withType(JavaCompile) {options.encoding = "UTF-8"}

 // 读取配置文件
Configuration conf = new Configuration();
conf.set("mapreduce.job.jar","D:/Project/BigDateNotes/src/hadoop/build/libs/hadoop-1.0.0.jar");

<configuration>
    <property>
        <!-- 使用 Yarn Windows 下远程提交去掉这个 https://www.oschina.net/question/2478160_2231358
        会导致找不 Map Reduce 类，原因是远程提交，job.setJarByClass 失效 -->
        <name>mapreduce.framework.name</name>
        <value>yarn</value>
    </property>
    <property>
        <!-- 设置提交的 jar 文件路径 方式二 -->
        <name>mapreduce.job.jar</name>
        <value>D:/Project/BigDateNotes/src/hadoop/build/libs/hadoop-1.0.0.jar</value>
    </property>
</configuration>