在Hadoop分布式集群环境下Mahout安装和运行Kmean、协同过滤实例
友情提醒:大家最好通读一遍过后,在理解的基础上按照步骤一步一步设置,因为后面的会对前面的有所启示。
注意:mahout运行对于环境要求很严格,JDK:jdk-7u55-linux-x64.tar,MAVEN:apache-maven-3.2.1-bin.tar,MAHOUT:mahout-distribution-0.9-tar.gz,HADOOP:hadoop-1.2.1.tar.gz (mahout0.9 依赖于hadoop1.0以上的版本,否则运行起来会出现各种报错!!!)
一、前提条件
Hadoop1.2.1分布式集群环境搭建成功,并且Hadoop集群服务器正常运行。
二、所需环境和软件
1. Hadoop分布式集群环境:
见《在VMware下安装Ubuntu并部署Hadoop1.2.1分布式环境》。
2. Maven3.2.1 apache-maven-3.2.1-bin.tar.gz下载地址:http://maven.apache.org/
3. Mahout0.9框架: mahout-distribution-0.9.tar.gz
4. 测试数据(自行下载,并另存为 synthetic_control.data.txt 格式):
http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data
三、安装Mahout和Maven
1. 拷贝下载下来的mahout-distribution-0.9.tar.gz包,和apache-maven-3.2.1-bin.tar.gz到Hadoop集群的masters机器的桌面上。
2. 解压mahout-distribution-0.9.tar.gz包,解压有二种方法。
方法一:分别使用命令 tar -zxvf mahout-distribution-0.9.tar.gz和tar -zxvf apache-maven-3.2.1-bin.tar.gz
3. 移动生成的mahout-distribution-0.9和maven-3.2.1文件夹到mahout(新建一个mahout文件夹,使用指令:mkdir mahout)下,。
sudo mv mahout-distribution-0.9 mahout
sudo mvmaven-3.2.1 maven (名字太长了,把它改成mahout)
sudo mv mahout/home/hadoop/mahout/