一、前提
因为安装Lzo及Lzop需要本地编译,所以需要安装编译环境,像Gcc , Ant , Maven
1、gcc的安装
主要是后面编译Lzo时用到,如果有安装就略过
yum install lib* glibc* gcc*
2、Ant、Maven的安装
如果使用Twitter的hadoop-lzo只需要安装Maven就行,如果使用kevinweil的hadoop-lzo则需要安装Ant,并且最好1.8.2及以上版本,并设置好环境变量,两者选其一,安装都比较简单。
1).ant的安装:
删除旧版本:yum remove ant
安装新版本:
wget http://labs.renren.com/apache-mirror//ant/binaries/apache-ant-1.9.2-bin.tar.gz
tar -jxvf apache-ant-1.9.2-bin.tar.bz2
添加ANT环境变量:
vi /etc/profile.d/dev.sh
export ANT_HOME=/usr/local/apache-ant-1.9.2
export PATH=$PATH:$ANT_HOME/bin
source /etc/profile 使配置文件生效
2) Maven安装
maven安装与Ant安装差不多,解压,然后配置环境变量,如:
export MAVEN_HOME=/opt/modules/apache-maven-2.2.1
export PATH=$MAVEN_HOME/bin:$PATH
export ANT_HOME=/opt/modules/apache-ant-1.9.2
export PATH=$ANT_HOME/bin:$PATH
说明:$MAVEN_HOME/conf/setting.xml文件需要配置正常的仓库路径,以及本地路径。
二、安装LZO
操作如下:
wget http://www.oberhumer.com/opensource/lzo/download/lzo-2.06.tar.gz
export CFLAGS=-m32
./configure -enable-shared
make && make install
完成之后,lib库文件被默认安装到了/usr/local/lib,我们需要进一步指定lzo库文件的路径,两个方法都可以:
1)拷贝/usr/local/lib目录下的lzo库文件到/usr/lib(32位平台),或/usr/lib64(64位平台)
2)在/etc/ld.so.conf.d/目录下新建lzo.conf文件,只需写入lzo库文件的路径(/usr/local/lib),然后运行以下命令使配置生效:
/sbin/ldconfig -v
三、安装hadoop-LZO
提醒:lzo目前有大概2个版本可选,Hadoop 1.x的时候可以按照cloudera的文档在https://github.com/kevinweil/hadoop-lzo上编译,它是fork自https://github.com/twitter/hadoop-lzo。kevinweil这个版本在hadoop1.0.3上不适用,有些接口已经不能用了。因为kevinweil这个版本已经很久没有更新了,而且它是基于Hadoop 0.20去编译的,也不能用于Hadoop2.x。而twitter hadoop-lzo在最近将Ant的编译方式切换为Maven,默认的dependency中Hadoop jar包就是2.x的,所以要clone twitter的hadoop-lzo,用Maven编译jar包和native library。
参考:
http://blog.cloudera.com/blog/2009/11/hadoop-at-twitter-part-1-splittable-lzo-compression/
https://code.google.com/a/apache-extras.org/p/hadoop-gpl-compression/wiki/FAQ?redir=1
1.下载源码
https://github.com/kevinweil/hadoop-lzo 或
https://github.com/twitter/hadoop-lzo
2.解压缩、进入项目目录
略
3.编译
编译分kevinweil和twitter两个版本分别说明。主要是编译方式不同,一个使用ant,twitter使用maven。
# 32位OS
export CFLAGS=-m32
export CXXFLAGS=-m32
ant compile-native tar
# 64位OS
export CFLAGS=-m64
export CXXFLAGS=-m64
ant compile-native tar
#将本地库以及Jar包拷贝到hadoop对应的目录下,并分发到各节点上
cd build
cp hadoop-lzo-0.4.18.jar /opt/modules/hadoop/hadoop-1.0.3/lib/
cp –r native/Linux-i386-32/* /opt/modules/hadoop/hadoop-1.0.3/lib/native/Linux-i386-32/ #64位系统则是64位的路径目录Linux-amd64-64
#或者用命令:tar -cBf - -C native . | tar -xBvf - -C /opt/modules/hadoop/hadoop-1.0.3/lib/native
export CFLAGS=-m32 #64位的使用m64
export CXXFLAGS=-m32
export C_INCLUDE_PATH=/usr/local/include/lzo
export LIBRARY_PATH=/usr/local/lib
mvn clean package -Dmaven.test.skip=true
tar -cBf - -C native/Linux-i386-32/lib . | tar -xBvf - -C /opt/modules/hadoop/hadoop-1.0.3/lib/native/
cp target/hadoop-lzo-0.4.19-SNAPSHOT.jar /opt/modules/hadoop/hadoop-1.0.3/lib
最终确保$HADOOP_HOME/lib/native/Linux-i386-32/目录下有libhadoop.*、及libgplcompression.*
注:如果编译不过,尝试执行:
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib/
四、安装lzop
LZOP是使用lzo库写的一个程序,通过shell命令直接可以压缩、解压缩文件。
#下载
Wget http://www.lzop.org/download/lzop-1.03.tar.gz
#解压缩、进入项目目录(略过)
./configure
make
make install
用一下lzop的压缩解压功能,成功安装后可直接使用lzop命令对文件进行解压缩操作了。
# 压缩
lzop 20110915.log #生成lzop 20110915.log.lzo文件
# 解压,并输出文件内容
lzop -cdpv.txt.lzo |more
五、配置core-site.xml、mapred-site.xml
core-site.xml<property>
<name>io.compression.codecs</name> <value>org.apache.hadoop.io.compress.DefaultCodec,org.apache.hadoop.io.compress.GzipCodec,org.apache.hadoop.io.compress.BZip2Codec,com.hadoop.compression.lzo.LzoCodec,com.hadoop.compression.lzo.LzopCodec</value>
<!-- 配置 Hadoop 压缩包 -->
</property>
<property>
<name>io.compression.codec.lzo.class</name>
<value>com.hadoop.compression.lzo.LzoCodec</value>
</property>
说明:主要是增加LzoCodec的编码解码器。
mapred-site.xml
<property>
<name>mapred.compress.map.output</name>
<value>true</value>
<!-- map 和 reduce 输出中间文件默认开启压缩 -->
</property>
<property>
<name>mapred.map.output.compression.codec</name>
<value>com.hadoop.compression.lzo.LzoCodec</value>
</property>
<property>
<name>mapred.child.env</name>
<value>LD_LIBRARY_PATH=/opt/modules/hadoop/hadoop-1.0.2/lib/native/Linux-i386-32</value>
</property>
说明:主要是设置开启压缩,以及环境变量
PS. 如果上述方式设置的LD_LIBRARY_PATH没有生效(通过“ps -ef |grep tasktracker”查看),可能需要通过bin/hadoop里设置JAVA_LIBRARY_PATH。
解决办法:在$hadoop_home/bin/hadoop文件中增加如下一行即可export JAVA_LIBRARY_PATH=$hadoop_home/lib/native/ Linux-i386-32
如果还有问题请关注下一篇博文。
六、集群节点同步
同步之前先在各节点安装LZO包、LZOP、LZO编码解码器. 再把配置同步过去(mapred-site.xml、core-site.xml文件)
注:如果你是单机伪分布式的环境,则不需要此步,直接启动hadoop即可。
七、测试LZO
启动之后怎么才能知道我们的LZO在hadoop中发挥作用了呢?可以运行以下命令进行测试,先使用lzop制作一个lzo文件并上传到HDFS中,然后进入$HADOOP_HOME目录执行
单机:
hadoop jar lib/hadoop-lzo-0.4.19-SNAPSHOT.jar com.hadoop.compression.lzo.LzoIndexer /test/
Mapreduce方式生成index命令:
hadoop jar lib/hadoop-lzo-0.4.19-SNAPSHOT.jar com.hadoop.compression.lzo.DistributedLzoIndexer /test/
执行一个mapred程序,如wordcount 添加参数"-inputformat com.hadoop.mapred.DeprecatedLzoTextInputFormat"
说明:以上命令 lib/ hadoop-lzo-0.4.19-SNAPSHOT.jar是你编译后拷贝过来的jar文件,my_big_file.lzo文件需要提前上传上HDFS的/test目录下。执行成功后会生成index文件。
在程序中使用:
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");
至此,hadoop安装lzo已经完成,如果安装过程中出现Could not load native gpl library,请看下一篇的文章。