hadoop使用lzo压缩文件笔记 (CDH3u1)

 

hadoop使用lzo压缩文件笔记 (CDH3u1)  转自http://heipark.iteye.com/blog/1172759

 

• 博客分类：
• hadoop

LZO性能

Compression	File	Size (GB)	Compression Time (s)	Decompression Time (s)
None	some_logs	8.0	-	-
Gzip	some_logs.gz	1.3	241	72
LZO	some_logs.lzo	2.0	55	35

 

编译LZO

下载：

 

http://www.oberhumer.com/opensource/lzo/download/

 

wget http://www.oberhumer.com/opensource/lzo/download/lzo-2.06.tar.gz

 

安装：

tar -zxf lzo-2.06.tar.gz

cd lzo-2.06

./configure --enable-shared 

make

make install

 

安装ant并配置环境变量，这里略过

vi /etc/profile  

PATH=/usr/local/ant/bin/:$PATH

source /etc/profile

 

编译hadoop lzo jar

下载源码

 

https://github.com/kevinweil/hadoop-lzo

 

解压缩、进入项目目录

略...

编译

# 32位OS

export JAVA_HOME=/path/to/32bit/jdk 
export CFLAGS=-m32 
export CXXFLAGS=-m32 
ant compile-native 

 

# 64位OS
export JAVA_HOME=/path/to/64bit/jdk 
export CFLAGS=-m64 
export CXXFLAGS=-m64 
ant compile-native tar

 

成功编译后，打开build文件夹，hadoop-lzo*.jar就躺在里面。

 

编译LZOP

简介：这个东西是使用lzo库写的一个程序，用它可以压缩、解压缩文件。

 

下载

http://www.lzop.org/

 

解压缩、进入项目目录（略过）

编译

./configure 

make

make install

 

PS：我在64bit机器上编译发现找不到 lzo 的库，执行下面命令后再编译就OK了。

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib/

 

try lzop

# 压缩文件

lzop 20110915.log #生成lzop 20110915.log.lzo文件

# 解压，并输出文件内容

lzop -cd pv.txt.lzo |more

 

配置Hadoop

 

Xml代码  

1. cp hadoop-lzo-0.4.13.jar $HADOOP_HOME/lib/  

cp hadoop-lzo-0.4.13.jar $HADOOP_HOME/lib/

 

 

 

Xml代码  

1. sudo cp /usr/local/lib/*lzo* /usr/lib64/  

sudo cp /usr/local/lib/*lzo* /usr/lib64/

 

 

Xml代码  

1. # 如果之前使用过google code的lzo包，要删除   
2. rm -f hadoop-gpl-compression-0.1.0-dev.jar  

# 如果之前使用过google code的lzo包，要删除
rm -f hadoop-gpl-compression-0.1.0-dev.jar

 

 

Xml代码  

1. > core-site.xml   
2.   
3.   <property>  
4.     <name>io.compression.codecs</name>  
5.     <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCode   
6. c</value>  
7.   </property>  
8.   
9.   <property>  
10.     <name>io.compression.codec.lzo.class</name>  
11.     <value>com.hadoop.compression.lzo.LzoCodec</value>  
12.   </property>  

> core-site.xml

  <property>
    <name>io.compression.codecs</name>
    <value>org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.DefaultCodec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCode
c</value>
  </property>

  <property>
    <name>io.compression.codec.lzo.class</name>
    <value>com.hadoop.compression.lzo.LzoCodec</value>
  </property>

 

设置JAVA_LIBRARY_PATH，这里配置非常容易重要，易出错

 

为了让JNI找到库文件需要配置JAVA_LIBRARY_PATH，我自己的方法是：

 

cp kevinweil-hadoop-lzo-3d19b14/build /opt/hadoop/

 

如果存在$HADOOP_HOME/build/native文件夹，hadoop命令会自动添加“${HADOOP_HOME}/build/native/${JAVA_PLATFORM}/lib” 到$JAVA_LIBRARY_PATH中，这样做非常省事。

 

 

#单机运行生成lzo index文件
hadoop jar /opt/hadoop/lib/hadoop-lzo-0.4.13.jar com.hadoop.compression.lzo.LzoIndexer /pub/cc/20110616/18.log.lzo

#Mapreduce生成lzo index文件
hadoop jar /opt/hadoop/lib/hadoop-lzo-0.4.13.jar com.hadoop.compression.lzo.DistributedLzoIndexer /pub/cc/20110616/18.log.lzo

 

 

Xml代码  

1. // mapreduce job使用lzo文件作为输入文件   
2. job.setInputFormatClass(LzoTextInputFormat.class);  

// mapreduce job使用lzo文件作为输入文件
job.setInputFormatClass(LzoTextInputFormat.class);

 

-- 配置结束 --

 

 

 

PS: 下面是网上的配置JAVA_LIBRARY_PATH的方法，是不是我的方法更简单？哈哈~

 

Xml代码  

1. #copy native文件到hadoop目录   
2. tar -cBf - -C ./build/native . | tar -xBvf - -C /opt/hadoop-0.20.2-cdh3u1/lib/native  

#copy native文件到hadoop目录
tar -cBf - -C ./build/native . | tar -xBvf - -C /opt/hadoop-0.20.2-cdh3u1/lib/native

Xml代码  

1. > vi mapred-site.xml    
2.   
3.   <property>  
4.     <name>mapred.child.env</name>  
5.     <value>JAVA_LIBRARY_PATH=/opt/hadoop/build/native/Linux-amd64-64</value>  
6.   </property>  

> vi mapred-site.xml 

  <property>
    <name>mapred.child.env</name>
    <value>JAVA_LIBRARY_PATH=/opt/hadoop/build/native/Linux-amd64-64</value>
  </property>

   PS.  如果上述方式设置的JAVA_LIBRARY_PATH没有生效（通过“ps -ef | grep tasktracker”查看），可能需要通过bin/hadoop设置JAVA_LIBRARY_PATH。

 

 

 

Q & A：

Q：java.lang.RuntimeException: native-lzo library not available

A：原因一：sudo cp /usr/local/lib/*lzo* /usr/lib64/；

     原因二：%$HADOOP_HOME/lib下有hadoop-gpl-compression-0.1.0-dev.jar，删除它

     原因三：JAVA_LIBRARY_PATH配置错误。JNI通过这个环境变量查找库文件，通ps -ef | grep tasktracker，查看lzo的lib文件是否在这个环境变量中，要指向 native/Linux-amd64-64/lib文件，而不是 native/Linux-amd64-64文件夹。通过修改$HADOOP_HOME/bin/hadoop可以修改这个环境变量

 

Q：lzo文件是不是生成索引之后才支持自动分片？

A：是的，如果不生成index则lzo文件会被作为一个input split处理。

 

Q: 使用客户端提交job时，报如下错误：

 

java.io.IOException: Codec for file hdfs://BGP-BJ-2-5N1:9000/pub/tencent/20110616/18.log.lzo not found, cannot run

at com.hadoop.mapreduce.LzoLineRecordReader.initialize(LzoLineRecordReader.java:97)

at org.apache.hadoop.mapred.MapTask$NewTrackingRecordReader.initialize(MapTask.java:451)

at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:646)

at org.apache.hadoop.mapred.MapTask.run(MapTask.java:323)

at org.apache.hadoop.mapred.Child$4.run(Child.java:270)

at java.security.AccessController.doPrivileged(Native Method)

at javax.security.auth.Subject.doAs(Subject.java:396)

at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1127)

at org.apache.hadoop.mapred.Child.main(Child.java:264)

 

A：在代码中，或者配置文件中添加下面配置：

 

 

conf.set("io.compression.codecs", "org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,com.hadoop.compression.lzo.LzopCodec");
conf.set("io.compression.codec.lzo.class", "com.hadoop.compression.lzo.LzoCodec");

 

 

参考文章：

http://share.blog.51cto.com/278008/549393

http://www.tech126.com/hadoop-lzo/

http://www.cloudera.com/blog/2009/11/hadoop-at-twitter-part-1-splittable-lzo-compression/