hadoop安装lzo

趁着假期闲着把之前的一些笔记整理出来放到博客上来，以后JavaEye上的博客就不再更新了!

我的运行环境：JDK1.6、Redhat6 32bit、apache Hadoop1.X（社区版本）--Hadoop CDH3、4版本也适用.如有差异文中会特别注明。 

在没有特别指出的话，所有操作都是在Namenode中进行的.安装完成后最后同步到集群其它节点，当然你也可以根据实际环境做相应删减。

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.gztar -jxvf apache-ant-1.9.2-bin.tar.bz2

 添加ANT环境变量：

vi /etc/profile.d/dev.shexport ANT_HOME=/usr/local/apache-ant-1.9.2 export PATH=$PATH:$ANT_HOME/binsource /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-2.2.1export PATH=$MAVEN_HOME/bin:$PATHexport ANT_HOME=/opt/modules/apache-ant-1.9.2export 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.gzexport CFLAGS=-m32./configure -enable-sharedmake && 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。

kevinweil：

# 32位OSexport CFLAGS=-m32export CXXFLAGS=-m32ant compile-native tar # 64位OSexport CFLAGS=-m64export CXXFLAGS=-m64ant 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 buildcp 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

Twitter:

export CFLAGS=-m32  #64位的使用m64export CXXFLAGS=-m32export C_INCLUDE_PATH=/usr/local/include/lzoexport LIBRARY_PATH=/usr/local/libmvn clean package -Dmaven.test.skip=truetar -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）./configuremakemake 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。