Linux中编译hadoop-lzo使hadoop能够支持lzo（maven编译）

前言

hadoop本身是不支持lzo压缩格式的，所以在对类库进行查询时，里面是不会显示lzo是否支持，如何让hadoop能够支持lzo压缩呢？下面我们开始正题！

查询环境

命令 输入

hadoop checknative

笔者使用的hadoop版本为2.7.2，所以要使用lzo压缩组件必须对组件里的hadoop版本进行修改编译。这里就利用maven来对其进行改造。同理很多版本问题，可以利用此方法来解决。

环境准备

• maven（下载安装，配置环境变量，修改sitting.xml加阿里云镜像）
• gcc-c++
• zlib-devel
• autoconf
• automake
• libtool
• 通过yum安装即可，yum -y install gcc-c++ lzo-devel zlib-devel autoconf
  automake libtool

注意 maven的配置文件需要将中央仓库修改为阿里云的仓库！不要问我为什么！

下载、安装并编译LZO

下载

wget http://www.oberhumer.com/opensource/lzo/download/lzo-2.10.tar.gz

解压

tar -zxvf lzo-2.10.tar.gz

进入到 lzo 目录里

cd lzo-2.10

设置前缀

./configure -prefix=/usr/local/hadoop/lzo/

安装

make

make install

编译hadoop-lzo源码

• 下载hadoop-lzo的源码，下载地址：https://github.com/twitter/hadoop-lzo/archive/master.zip
• 解压之后，修改pom.xml

   <hadoop.current.version>2.7.2</hadoop.current.version>

• 声明两个临时环境变量

export C_INCLUDE_PATH=/usr/local/hadoop/lzo/include
export LIBRARY_PATH=/usr/local/hadoop/lzo/lib

• 编译
  进入hadoop-lzo-master，执行maven编译命令
  mvn package -Dmaven.test.skip=true
• 进入target，hadoop-lzo-0.4.21-SNAPSHOT.jar 即编译成功的hadoop-lzo组件

编译好的文件改名hadoop-lzo-0.4.21.jar 放入到 $HADOOP_HOME/share/hadoop/common/下面然后进行分发！记住要分发！！

mv hadoop-lzo-0.4.21.jar  hadoop-2.7.2/share/hadoop/common/

同步分发到集群！

配置core-site.xml

增加下面内容，保存后分发给集群，并重启集群！

<property>
<name>io.compression.codecs</name>
<value>
org.apache.hadoop.io.compress.GzipCodec,
org.apache.hadoop.io.compress.DefaultCodec,
org.apache.hadoop.io.compress.BZip2Codec,
org.apache.hadoop.io.compress.SnappyCodec,
com.hadoop.compression.lzo.LzoCodec,
com.hadoop.compression.lzo.LzopCodec
</value>
</property>

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

解析配置

io.compression.codecs

• 该配置是为MR在执行时加载core-site时可以读到该配置项，告知MR可以用这些编解码器！

• 如果不加此配置项，默认支持3种编解码器：
  GzipCodec,DefaultCodec，BZip2Codec

io.compression.codec.lzo.class

指定LZO的编解码器全类名，因为hadoop是不支持LZO压缩的，要想使用LZO压缩就必须告诉hadoop在哪里找到该编解码器。所以要将组件jar包放到hadoop启动加载的目录下，还要告知全类名！

测试

给集群上传一个input目录准备好数据

yarn jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount -Dmapreduce.output.fileoutputformat.compress=true -Dmapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzopCodec /input /output

为生成的lzo压缩文件生成索引

hadoop jar /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-lzo-0.4.20.jar  com.hadoop.compression.lzo.DistributedLzoIndexer /input/bigtable.lzo

测试二 用LZO压缩

 hadoop jar /opt/module/hadoop-2.7.2/share/hadoop/common/hadoop-lzo-0.4.20.jar com.hadoop.compression.lzo.LzoCodec /input

后缀名中lzo后面是下划线！而不是 .

测试创建索引

总结利用LZO压缩的文件无法对其进行创建索引！！

结果

成功切片！

总结

重点注意事项

1. 将编码后的jar包放到$HADOOP_HOME/share/hadoop/common/下面然后进行分发！放在该目录下的原因是，hadoop在启动是必定会加载common下面的所有jar！
2. 配置core-site支持压缩的格式
3. 指定lzo编解码器的全类名
4. 在shuffle阶段，可以使用lzo，但是在reduce的输出和map的输入阶段，使用lzop!
5. LZO压缩格式，生成的压缩文件的后缀名为.lzo_deflate
6. ​LZOP压缩格式，生成的压缩文件的后缀为.lzo
7. 生成lzo index job的”DistributedLzoIndexer“无法为 LzoCodec类压缩，即 ".lzo_deflate"扩展名的文件创建index是不能的！

重要配置

• 为mr输出阶段开启压缩

-Dmapreduce.output.fileoutputformat.compress=true 

• 压缩格式指定

-Dmapreduce.output.fileoutputformat.compress.codec=com.hadoop.compression.lzo.LzopCodec

hadoop调用common下的lzo的jar进行生成索引，指定全类名

com.hadoop.compression.lzo.DistributedLzoIndexer

源码解析

之前写过一个利用hadoopAPI的java压缩程序压缩程序代码
，运行lzo压缩的时候偶然发现他是走的mr！用的命令是hadoop jar 而没用java -jar 所以感觉很诡异，去研究了下他的源码！
利用jd-gui查看字节码
证实了猜想，该程序在建立索引时走的MR程序！

LZOP继承于LZO，所以继承了父类的成员变量，在父类中指定了编解码器的类！！