hadoop 使用LZO （1）

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

最近我们部门在测试云计算平台hadoop，我被lzo折腾了三四天，累了个够呛。在此总结一下，也给大家做个参考。   

  操作系统：CentOS 5.5，Hadoop版本：hadoop-0.20.2-CDH3B4

  安装lzo所需要软件包：gcc、ant、lzo、lzo编码/解码器，另外，还需要lzo-devel依赖

  配置lzo的文件：core-site.xml、mapred-site.xml

 

大致步骤：

1）安装和更新gcc、ant

2）在各个节点安装lzo
3）安装lzo编码/解码器
4）修改配置文件，并同步各节点的配置文件
注：没有特别指出的话，所有操作都是在Namenode中进行的   

 

一、lzo安装：

1、gcc的安装：yum即可，记得同时更新lib*、glibc*、gcc*

2、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-1.8.2-bin.tar.gz  
tar -jxvf apache-ant-1.8.2-bin.tar.bz2  

  添加ant的环境变量：

 
 
vi /etc/profile  
export ANT_HOME=/usr/local/apache-ant-1.8.2  
export PATH=$PATH:$ANT_HOME/bin 
 
source /etc/profile  使配置文件生效

3、lzo的安装：

 
 
wget http://www.oberhumer.com/opensource/lzo/download/lzo-2.04.tar.gz  
tar -zxvf lzo-2.04.tar.gz
cd lzo-2.04  
./configure --enable-shared  
make && make install  

  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，写入lzo库文件的路径，然后运行/sbin/ldconfig -v，使配置生效
4、在各个节点安装lzo：
  这句话本可以一笔带过，但我把它单独列出作为一步，就是要提醒大家：Namenode和Datanode都要安装lzo！
  所需软件包：gcc、ant、lzo-2.04.tar.gz、lzo-2.04-1.el5.rf.i386.rpm、lzo-devel-2.04-1.el5.rf.i386.rpm。

  注：两个lzo rpm文件是需要的，特别是lzop工具会需要这两个文件，后面会提到。注意32位系统和64位系统要下载相应的rpm版本！
  安装过程：略
  调整库文件路径：略

5、lzo编码/解码器的安装：

  这里必须要说明：如果hadoop是cloudera版的，那么lzo编码/解码器就不要用google官方的那个！到这里下载：https://github.com/kevinweil/hadoop-lzo。我曾经被官方那个东西郁闷了很久，搜索了大量资料，最后搞明白。 

 
 
wget https://download.github.com/kevinweil-hadoop-lzo-2ad6654.tar.gz  
tar -zxvf kevinweil-hadoop-lzo-2ad6654.tar.gz  
cd kevinweil-hadoop-lzo-2ad6654 
ant compile-native tar  

   注意：若是64位系统，可能还需要在上面代码的最后一行的前面加上export CFLAGS=-m64！

  编译失败：  

 
 

   
   

    
    make: *** [impl/lzo/LzoCompressor.lo] Error 1 
   
   

  解决方法参考：http://code.google.com/a/apache-extras.org/p/hadoop-gpl-compression/issues/detail?id=18&redir=1
  我这里是由于缺少lzo-devel依赖的原因，lzo-devel有lzo- 2.04-1.el5.rf的依赖：

 
 
wget http://packages.sw.be/lzo/lzo-devel-2.04-1.el5.rf.i386.rpm  
wget http://packages.sw.be/lzo/lzo-2.04-1.el5.rf.i386.rpm  
rpm -ivh lzo-2.04-1.el5.rf.i386.rpm 
rpm -ivh lzo-devel-2.04-1.el5.rf.i386.rpm 

  注意：上面下载的是32位的lzo-devel，若系统为64位，则需要下载64位的lzo-devel。下载地址：http://packages.sw.be/lzo/

  重新ant compile-native tar，编译成功！ 

  编译成功后，还需要把编码/解码器以及native库拷贝到$HADOOP_HOME/lib目录下，拷贝操作请参考google的官方文档： 

 
 
cp build/hadoop-lzo-0.4.10.jar /home/hadoop/hadoop-0.20.2-CDH3B4/lib/  
tar -cBf - -C build/native . | tar -xBvf - -C /home/hadoop/hadoop-0.20.2-CDH3B4/lib/native  
cd /home/hadoop/hadoop-0.20.2-CDH3B4/lib/  
chown -R hdfs:hadoop native/ 

  6、同步各节点的hadoop-lzo-0.4.10.jar和hadoop的native目录

  这里有一点要说明，由于某种原因，我把它们也拷贝到了hbase的相应目录下，但我认为其实是不需要拷贝的。

  当初在集群内测试lzo时，遇到了问题，我以为hbase也需要hadoop-lzo-0.4.10.jar和hadoop的native目录，就把它们拷贝到了hbase。后来问题解决，发现不是hbase的原因，但我最终没有在hbase里删除它们。所以，是否有必要把它们也拷贝到hbase，有待于大家亲自测试。

二、配置lzo：

  1、主要是往hadoop目录下conf目录中的core-site.xml和mapred-site.xml文件添加一些属性：

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

vi mapred-site.xml：

 
 
<property>  
<name>mapreduce.map.output.compress</name>  
<value>true</value>  
</property> 
 
<property>  
<name>mapred.child.env</name>  
<value>JAVA_LIBRARY_PATH=/home/hdfs/hadoop-0.20.2-CDH3B4/lib/native/Linux-amd64-64</value>  
</property> 
 
<property>  
<name>mapreduce.map.output.compress.codec</name>  
<value>com.hadoop.compression.lzo.LzoCodec</value>
</property>  

  2、同步各节点的配置文件！

 

三、hadoop集群内测试lzo：

  首先，安装lzop，生成一些lzo文件，然后上传到hdfs，供我们的开发人员在hive中直接调用。

  lzop所需要的两个rpm文件前面已经安装，现在只要安装lzop就可以了：

 
 
wget http://www.lzop.org/download/lzop-1.03.tar.gz  
tar -zxvf lzop-1.03  
cd lzop-1.03  
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib  
./configure  
make && make install  

  要说明的是，在指定LD_LIBRARY_PATH时，我没有使用官方帮助文档中的写法，因为那个写法在编译时老出错，不知什么原因。  

  使用lzop压缩文档并上传到hdfs:

 
 
lzop -U -9 66_22_2011-04-14.txt  
$HADOOP_HOME/bin/hadoop fs -copyFromLocal /home/hdfs/66_22_2011-04-14.txt.lzo /user/s3/ifocus 

  开发人员在Hive中直接调用这个lzo文件时出错：

 
 

   
   

    
    Failed with exception java.io.IOException:java.lang.RuntimeException: native-lzo library not available 
   
   

  这个错误，困住了我整整两天！试了各种方法都不行，期间的辛苦自不必待言，直到我看到一个网页：http://sudhirvn.blogspot.com/2010/08/hadoop-lzo-installation-errors-and.html。（注：访问该网页需要用代理。万恶的网络管制！）

  页面的最下方，有这样一句话：So, I just deleted the hadoop-gpl-compression and everything started working.于是，我删除了$HADOOP_HOME/lib目录下的hadoop-gpl-compression-0.1.0.jar，终于，everything is OK！
  所以，如果你也像我一样，做了所有该做的事情，但是调用lzo时还是会出现native-lzo library not available的错误，请检查你的$HADOOP_HOME/lib目录下是否有google官方的那个lzo编码/解码器！ 

---------------------------------------------------

   2011-05-16修订：

    hbase中还是需要有lzo的native library的。

   我重新部署了一次Hadoop，在hive中直接调用lzo文件，又出现native-lzo library not found的错误。于是我手动复制$KEVINWEIL_HOME/build/native/Linux-amd64-64/lib目录下的所有文件到hadoop的native/Linux-amd64-64目录，以及hbase的native/Linux-amd64-64目录，问题解决！

   这次复制文件时， 没有使用官方文档提供的tar方式，直接cp ：

 
 
cd kevinweil-hadoop-lzo-2ad6654/build/native/Linux-amd64-64/lib 
cp * $HADOOP_HOME/lib/native/Linux-amd64-64 
cp * $HBASE_HOME/lib/native/Linux-amd64-64 

   重启hadoop即可！