配置Snappy压缩

1. 功能说明

---

使用snappy压缩来提升mapreduce和hbase的性能。其实就是用CPU换IO吞吐量和磁盘空间。配置并使用snappy有如下几点要求：

• 首先需要hadoop集群的native库已经收到编译好，并且添加了对snappy的支持。编译hadoop源码之前安装了snappy并且编译时指定-Drequire.snappy参数。（我使用的版本是hadoop-2.5.0-cdh5.3.3伪分布式）
• 安装了maven（我使用的版本是3.0.5）
• jdk已经成功安装并设置了JAVA_HOME（我使用的版本是1.7.0_75）

2. MapReduce配置snappy

---

配置过程参考官网（但是有所区别）

https://github.com/electrum/hadoop-snappy

2.1 测试MR

---

为了与后期配置完成snappy后进行对比我们先测试一个简单mapreduce程序，然后记录map的输出bytes大小

$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0-cdh5.3.3.jar wordcount /wordcount/in /wordcount/out

2.2 安装依赖

---

首先在服务器上安装snappy，而安装snappy需要一系列的依赖，为了避免麻烦我们首先安装好这些依赖

$ sudo yum -y install gcc c++ autoconf automake libtool

2.3 下载snappy安装包

---

从官网下载snappy的安装包

http://pkgs.fedoraproject.org/repo/pkgs/snappy/snappy-1.1.1.tar.gz/8887e3b7253b22a31f5486bca3cbc1c2/snappy-1.1.1.tar.gz

2.4 上传部署

---

将snappy-1.1.1.tar.gz上传到服务器解压重命名为snappy-1.1.1，【SNAPPY_HOME】为【/usr/local/cdh-5.3.3/snappy-1.1.1】

2.5 安装snappy

---

进入【SNAPPY_HOME】目录下安装snappy

$ sudo ./configure$ sudo make$ sudo make install

注：一定要确保全程无Error！

如果安装成功的话进入【/usr/local/lib】目录下（默认位置），可以看到已经生成了snappy的库文件

$ cd /usr/local/lib$ ll

2.6 下载hadoop-snappy

---

从github上将hadoop-snappy压缩包下载下来

https://github.com/electrum/hadoop-snappy

2.7 上传部署

---

将hadoop-snappy-master.zip部署到服务器解压重命名为hadoop-snappy-master

$ unzip hadoop-snappy-master.zip

2.8 编译hadoop-snappy

---

进入hadoop-snappy-master，使用maven进行编译

$ cd hadoop-snappy-master$ mvn clean package

注：如果你的snappy是使用其他方式安装的请一定找到snappy的安装路径，并在编译的时候添加参数-Dsnappy.prefix=SNAPPY_INSTALLATION_DIR，不指定的话默认为【/usr/local】目录。

编译好的tar包在当前目录下的target目录下（hadoop-snappy-0.0.1-SNAPSHOT.tar.gz）

2.9 配置

---

2.9.1 配置native

---

将2.7中编译得到的hadoop-snappy-0.0.1-SNAPSHOT.tar.gz解压，拷贝需要的jar包和native到hadoop的lib目录下

$ tar -zxvf hadoop-snappy-0.0.1-SNAPSHOT.tar.gz$ cp hadoop-snappy-0.0.1-SNAPSHOT/lib/hadoop-snappy-0.0.1-SNAPSHOT.jar $HADOOP_HOME/lib$ cp hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/* $HADOOP_HOME/lib/native/

2.9.2 配置core-site.xml

---

配置hadoop集群的的core-site.xml文件，添加如下参数:

<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</value></property>

2.9.3 配置mapred-site.xml

---

配置hadoop集群的mapred-site.xml，添加如下参数:

<property>    <name>mapreduce.map.output.compress</name>    <value>true</value></property><property>    <name>mapreduce.map.output.compress.codec</name>    <value>org.apache.hadoop.io.compress.SnappyCodec</value></property>

注：为了测试方便我们只配置map的输出压缩。

2.9.4 重启hadoop集群

---

修改完core-site.xml和mapred-site.xml文件后重启hadoop集群。

2.10 验证MapReduce

---

重新运行2.1节中的mapreduce程序

$ bin/hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-2.5.0-cdh5.3.3.jar wordcount /wordcount/in /wordcount/out2

2.11 错误记录

---

问题描述

在2.9.1节中配置native库时按照官方文档是将整个编译解压后的snappy lib目录下的所有内容都拷贝到HADOOP_HOME/lib目录下

$ cp -r hadoop-snappy-0.0.1-SNAPSHOT/lib/* $HADOOP_HOME/lib

但是在测试MR的时候提示无法加载到snappy的library

Caused by: java.lang.RuntimeException: native snappy library not available: SnappyCompressor has not been loaded.        at org.apache.hadoop.io.compress.SnappyCodec.checkNativeCodeLoaded(SnappyCodec.java:69)        at org.apache.hadoop.io.compress.SnappyCodec.getCompressorType(SnappyCodec.java:132)        at org.apache.hadoop.io.compress.CodecPool.getCompressor(CodecPool.java:148)        at org.apache.hadoop.io.compress.CodecPool.getCompressor(CodecPool.java:163)        at org.apache.hadoop.mapred.IFile$Writer.<init>(IFile.java:114)        at org.apache.hadoop.mapred.IFile$Writer.<init>(IFile.java:97)        at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.sortAndSpill(MapTask.java:1602)        at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.access$900(MapTask.java:873)        at org.apache.hadoop.mapred.MapTask$MapOutputBuffer$SpillThread.run(MapTask.java:1525)

解决办法

按照2.9.1节中配置native库即可，其实就是将Linux-amd64-64文件夹下的snappy库文件都直接放到$HADOOP_HOME/lib/native目录下。网上说的各种配置环境变量什么的都试过了，没有起到作用。

3. HBase配置snappy

---

3.1 配置native

---

参照2.9.1中步骤将hadoop-snappy-0.0.1-SNAPSHOT.jar和snappy的library拷贝到HBASE_HOME/lib目录下即可

$ cp hadoop-snappy-0.0.1-SNAPSHOT/lib/hadoop-snappy-0.0.1-SNAPSHOT.jar $HBASE_HOME/lib$ mkdir $HBASE_HOME/lib/native$ cp -r hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/* $HBASE_HOME/lib/native/

注： 如果创建失败则使用如下命令

$ cp hadoop-snappy-0.0.1-SNAPSHOT/lib/hadoop-snappy-0.0.1-SNAPSHOT.jar $HBASE_HOME/lib$ mkdir $HBASE_HOME/lib/native/Linux-amd64-64$ cp -r hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/* $HBASE_HOME/lib/native/Linux-amd64-64/

3.2 重启HBase集群

---

重启HBase集群

3.3 验证

---

先使用以下命令测试snappy对hbase是否可用

$ bin/hbase org.apache.hadoop.hbase.util.CompressionTest hdfs://hadoop-main.dimensoft.com.cn:8020/wordcount/out2/part-r-00000 snappy

注：hdfs://hadoop-main.dimensoft.com.cn:8020/wordcount/put2/part-r-00000是在2.10节中验证MapReduce使用snappy时候的输出文件

进入HBase的CLI创建数据表，指定压缩方式

> create 'company', { NAME => 'department', COMPRESSION => 'snappy'}> describe 'company'

插入数据

> put 'company', '001', 'department:name', 'develop'> put 'company', '001', 'department:address', 'sz'

查询

> scan 'company'

4. Uber模式使用Snappy

---

配置了uber模式后使用上述的snappy压缩配置方法后mapreduce程序运行报错：

2015-06-17 04:27:48,905 FATAL [uber-SubtaskRunner] org.apache.hadoop.mapred.LocalContainerLauncher: Error running local (uberized) 'child' : java.lang.UnsatisfiedLinkError: org.apache.hadoop.util.NativeCodeLoader.buildSupportsSnappy()Z    at org.apache.hadoop.util.NativeCodeLoader.buildSupportsSnappy(Native Method)    at org.apache.hadoop.io.compress.SnappyCodec.checkNativeCodeLoaded(SnappyCodec.java:63)    at org.apache.hadoop.io.compress.SnappyCodec.getCompressorType(SnappyCodec.java:132)    at org.apache.hadoop.io.compress.CodecPool.getCompressor(CodecPool.java:148)    at org.apache.hadoop.io.compress.CodecPool.getCompressor(CodecPool.java:163)    at org.apache.hadoop.mapred.IFile$Writer.<init>(IFile.java:114)    at org.apache.hadoop.mapred.IFile$Writer.<init>(IFile.java:97)    at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.sortAndSpill(MapTask.java:1602)    at org.apache.hadoop.mapred.MapTask$MapOutputBuffer.flush(MapTask.java:1482)    at org.apache.hadoop.mapred.MapTask$NewOutputCollector.close(MapTask.java:720)    at org.apache.hadoop.mapred.MapTask.closeQuietly(MapTask.java:2012)    at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:794)    at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)    at org.apache.hadoop.mapred.LocalContainerLauncher$EventHandler.runSubtask(LocalContainerLauncher.java:370)    at org.apache.hadoop.mapred.LocalContainerLauncher$EventHandler.runTask(LocalContainerLauncher.java:295)    at org.apache.hadoop.mapred.LocalContainerLauncher$EventHandler.access$200(LocalContainerLauncher.java:181)    at org.apache.hadoop.mapred.LocalContainerLauncher$EventHandler$1.run(LocalContainerLauncher.java:224)    at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:471)    at java.util.concurrent.FutureTask.run(FutureTask.java:262)    at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1145)    at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:615)    at java.lang.Thread.run(Thread.java:745)

这是因为在uber模式下无法加载到snappy的native，解决办法是在mapred-site.xml中添加如下配置：

<property>    <name>yarn.app.mapreduce.am.env</name>    <value>LD_LIBRARY_PATH=$HADOOP_HOME/lib/native</value></property>

https://issues.apache.org/jira/browse/MAPREDUCE-5799

注：如果是CM安装的CDH版本hadoop则snappy的native在【/opt/cloudera/parcels/CDH/lib/hadoop/lib/native】目录下。