H2O-3机器学习平台源码编译的各种坑

H2O-3机器学习平台是一个非常适合非专业人士学习机器学习的平台，自带WebUI，效果还是蛮不错的，官方也提供了jar包，一条命令就能直接运行，非常方便，但最近有源码编译的需求，实际操作过程中，发现，想要编译它的源码，真的比登天还难！

主要是因为，github的源码可以说是日更，成百上千的分支看的人眼花缭乱，而且编译说明文档是世纪更，可当前主线的代码完全对不上。

照着它的编译说明文档操作，绝对掉坑里爬不出来。在此记录一下我的具体编译流程：

一、虚拟机部署Centos7系统

下载Centos7镜像文件，使用版本“CentOS-7-x86_64-DVD-2009”，下载地址：https://mirrors.aliyun.com/centos/7/isos/x86_64/CentOS-7-x86_64-DVD-2009.iso

虚拟机安装centos7过程不在叙述，可参考：

VMware ESXI centos7虚机搭建详解（避坑必看）_esxi安装iso虚机-CSDN博客

虚拟机安装Centos7系统实操教程 详尽步骤 vmware ESXi亲测通过 - 运维全实践 - 博客园 (cnblogs.com)注意安装过程中，软件选择“基础设施服务器”

二、部署H2O-3环境

官方使用了jdk-7u79版本，编译会出现“PKIX path building failed: sun.security.provider.certpath.SunCertPathBuilderException: unable to find valid certification path to requested target”错误，所以弃用。

完整环境部署代码如下：

cd /opt
sudo wget https://packages.baidu.com/app/jdk-8/jdk-8u121-linux-x64.tar.gz

sudo tar xzf jdk-8u121-linux-x64.tar.gz
cd jdk-8u121-linux-x64

sudo alternatives --install /usr/bin/java java /opt/jdk1.8.0_121/bin/java 2
sudo alternatives --install /usr/bin/jar jar /opt/jdk1.8.0_121/bin/jar 2
sudo alternatives --install /usr/bin/javac javac /opt/jdk1.8.0_121/bin/javac 2
sudo alternatives --set jar /opt/jdk1.8.0_121/bin/jar
sudo alternatives --set javac /opt/jdk1.8.0_121/bin/javac

cd /opt

sudo wget https://dl.fedoraproject.org/pub/epel/7/x86_64/Packages/e/epel-release-7-14.noarch.rpm
sudo rpm -ivh epel-release-7-14.noarch.rpm

sudo echo "multilib_policy=best" >> /etc/yum.conf
sudo yum -y update

sudo yum -y install R R-devel git python-pip openssl-devel libxml2-devel libcurl-devel gcc gcc-c++ make openssl-devel kernel-devel texlive texinfo texlive-latex-fonts libX11-devel mesa-libGL-devel mesa-libGL nodejs npm python-devel numpy scipy python-pandas


yum install python3-pip
pip3 install --upgrade pip
pip3 install scikit-learn grip tabulate statsmodels wheel

mkdir ~/Rlibrary
export JAVA_HOME=/opt/jdk1.8.0_121
export JRE_HOME=/opt/jdk1.8.0_121/jre
export PATH=$PATH:/opt/jdk1.8.0_121/bin:/opt/jdk1.8.0_121/jre/bin
export R_LIBS_USER=~/Rlibrary

# install local R packages
R -e 'install.packages(c("RCurl","jsonlite","statmod","devtools","roxygen2","testthat"), dependencies=TRUE, repos="http://cran.rstudio.com/")'

cd
git clone https://github.com/h2oai/h2o-3.git
cd h2o-3

注意： h2oai的代码更新频率非常高，基于我编译时的版本拉了一个fork，如果你从官方拉的源代码编译时有问题，可以用我当前使用的代码：

git clone https://github.com/mogu1990/h2o-3.git

三、修改H2O-3代码

第一处：h2o-3/h2o-r/scripts/package_version_check_update.R

将文件末尾的代码：

dcf.file <- seek.files(c("h2o-3-DESCRIPTION.template","h2o-3-DESCRIPTION"))

repos <- c(repos.dcf(dcf.file), "http://s3.amazonaws.com/h2o-r/cran-dev")
pkgs <- packages.dcf(dcf.file, which = "all")

# try on windows/macosx
ans <- pkgs_check_update(pkgs, check_only=check_only, repos=repos) #, force_install="data.table") # allows to be fully up to date

if (!interactive()) {
  expect TRUE
  status <- if (isTRUE(ans)) 0 else 1
  q("no", status=0)
}

修改为：

#dcf.file <- seek.files(c("h2o-3-DESCRIPTION.template","h2o-3-DESCRIPTION"))

#repos <- c(repos.dcf(dcf.file), "http://s3.amazonaws.com/h2o-r/cran-dev")
#pkgs <- packages.dcf(dcf.file, which = "all")

# try on windows/macosx
#ans <- pkgs_check_update(pkgs, check_only=check_only, repos=repos) #, force_install="data.table") # allows to be fully up to date

if (!interactive()) {
  # expect TRUE
  #status <- if (isTRUE(ans)) 0 else 1
  q("no", status=0)
}

目的就是关闭它的R包更新检测，因为代码里请求的“http://s3.amazonaws.com/h2o-r/cran-dev”压根就打不开！！！让人震惊。

第二处：h2o-3/h2o-bindings/build.gradle

将第13、14行代码：

pythonexe = findProperty("pythonExec") ?: "python"
pipexe = findProperty("pipExec") ?: "pip"

改为：

pythonexe = findProperty("pythonExec") ?: "python3"
pipexe = findProperty("pipExec") ?: "pip3"

这是因为，它最开始用的python2.7版本，但现在python2.7已经不支持更新，很多包用不成，所以要换成python3和pip3。

第三处：h2o-3/h2o-py/build.gradle

和第二处同理，第11、12行，改成

pythonexe = findProperty("pythonExec") ?: "python3"
pipexe = findProperty("pipExec") ?: "pip3"

第四处：h2o-3/h2o-py-cloud-extensions/build.gradle

和第二处同理，第9、10行，改成

pythonexe = findProperty("pythonExec") ?: "python3"
pipexe = findProperty("pipExec") ?: "pip3"

第五处：h2o-3-master/h2o-py-mlflow-flavor/build.gradle

和第二处同理，第9、10行，改成

pythonexe = findProperty("pythonExec") ?: "python3"
pipexe = findProperty("pipExec") ?: "pip3"

第二处到第五处的修改实际上都是把python换成python3，pip换成pip3，有个取巧的办法，就是把python的软链接指向python3，pip的软链接指向pip3，就免的修改第2-第5处。

三、开始编译

官方文档说要执行：

./gradlew syncSmalldata
./gradlew syncRPackages --info
./gradlew build -x test --info

实际发现，./gradlew syncSmalldata不用执行，因为它是下载了一堆的csv文件用来测试的，下载的具慢，不要执行。所以我们应该这么执行：

./gradlew syncRPackages --info

先执行R包的同步更新，如果不修改第一处，这里绝对报错，执行成功后再执行：

./gradlew build -x test --info

这里千万要把-x test加上，如果不加，默认就要进行测试校验，问题一大堆，绝对编译失败。

编译成功后，bulid目录下会生成h2o.jar文件。使用命令

java -jar h2o.jar

即可启动服务，不报错的情况下，浏览器访问http://ip:54321即可打开web界面。

为啥访问不到？记着关闭centos7的防火墙！