mahout的安装与配置

1.构建mahout要的系统事先安装（本人使用）

JDK1.7版本

hadoop-0.20.2（hadoop-0.20.2.tar.gz）

2.安装

mahout-distribution-0.9.tar.gz

下载：http://mirrors.hust.edu.cn/apache/mahout/0.9/

解压：tar zxvf mahout-distribution-0.9.tar.gz

修改环境变量：vi /etc/profile

export MAHOUT_HOME=/home/hadoop/mahout-distribution-0.9（添加）

export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$MAVEN_HOME/bin:$MAHOUT_HOME/bin:$PATH（修改红色地方）

测试：

mahout-distribution-0.9/bin 运行：./mahout -help（打印出mahout所有的算法）

如果出现以下信息，说明安装成功

测试运行算法

a.启动hadoop，hadoop-0.20.2/bin/，./start-all.sh

b.查看是否启动成功：jps，如果出现以下数据，说明hadoop启动成功

-bash-3.2$ jps

28200 SecondaryNameNode
28285 JobTracker
31978 Jps
27957 NameNode
28088 DataNode
28394 TaskTracker

c.下载一个文件synthetic_control.data，

   下载地址http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data，并把这个文件放在$MAHOUT_HOME目录下。

d. 创建测试目录testdata，并把数据导入到这个testdata目录中(这里的目录的名字只能是testdata)

   hadoop fs -mkdir testdata

    hadoop fs -ls(查看)

        结果：

	Found 2 items
	drwxr-xr-x   - root supergroup          0 2014-06-11 08:06 /user/hadoop/output
	drwxr-xr-x   - root supergroup          0 2014-06-11 08:01 /user/hadoop/testdata

   hadoop fs -put /home/hadoop/mahout-distribution-0.9/synthetic_control.data testdata（导入测试数据）

e. 使用kmeans算法(这个算法需要运行3到5分钟，启动10个MapReduce Job任务)

hadoop jar /home/hadoop/mahout-distribution-0.9/mahout-examples-0.9-job.jar org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

如果出现java.io.IOException: Not a file: hdfs://localhost:9000/user/admin/ testdata

执行命令：bin/hadoop fs -put testdata/ testdata（本地的testdata目录上传到HDFS上）

hadoop fs -ls output（查看结果）

f.查看结果

$HADOOP_HOME/bin/hadoop fs -lsr output

$HADOOP_HOME/bin/hadoop fs -get output $MAHOUT_HOME/examples（将结果从分布式文件系统上导下来）

$cd $MAHOUT_HOME/examples/output

$ls  

如果看到以下结果那么算法运行成功，你的安装也就成功了。
clusteredPoints  clusters-0  clusters-1  clusters-10  clusters-2  clusters-3  clusters-4 clusters-5  clusters-6  clusters-7  clusters-8  clusters-9  data

备注：

/user/hadop/output/data：存放的是原始数据，这个文件夹下的文件可以用mahout vectordump来读取，原始数据是向量形式的，其它的都只能用mahout seqdumper来读取，向量文件也可以用mahout seqdumper来读取，只是用vectordump读取出来的是数字结果，没有对应的key，用seqdumper读出来的可以看到key，即对应的url，而value读出来的是一个类描述，而不是数组向量。

命令：

mahout vectordump -i /user/hadoop/output/data/part-m-00000

mahout seqdumper -i /user/hadoop/output/data/part-m-00000

 

有的书上或者资料上要运行下面命令，我在mahout0.9版本测试通不过(可能的原因是版本问题)。

查看job运行情况（hadoop）：

http://localhost:50030/jobtracker.jsp(MapReduce的Web页面)

http://10.101.0.69:50070/dfshealth.jsp(HDFS的Web页面)