用C++进行hadoop程序开发（hadoop Pipes）

经过几天的努力与查资料，终于实现了分布式模式下运行C++版的MapReduce。下面介绍主要步骤和遇到的问题及解决方案。

系统配置：

在Linux系统上已安装好hadoop 2.5.2版本（本人系统为CentOS7.0（64位系统）。
选择工具：

Hadoop采用java编写，因而Hadoop天生支持java语言编写作业，但在实际应用中，有时候，因要用到非java的第三方库或者其他原因，要采用C/C++或者其他语言编写MapReduce作业，如果用C/C++编写MpaReduce作业，可使用的工具有Hadoop Streaming或者Hadoop Pipes。

Streaming 是利用进程之间的标准输入输出流来进行通信，而 pipes 是利用 socket 来通信。由于 hadoop 是用 java 开发的，所以需要做的就是将其他语言跟 java 进程通信，即跨语言的通信。主要的问题是数据类型的转化问题，因为最低层都是走字节数组的方式。在 pipes 包里面实现了 c/c++ 与 java 之间的通信。故选择了Hadoop Pipes。

步骤：

1、  确保hadoop集群已经搭建了，并已掌握了一些基本的Linux命令。

2、  编写CPP文件

在任意个编辑工具编写CPP文件，我是在Notepad++编写（Notepad++功能强大可以编写与打开各种类型的文件）。编写完后另存为max_temperature.cpp，具体内容附在下面：

<span style="font-size:18px;">#include <algorithm>  #include <limits.h>  #include <stdint.h>  #include <string>    #include <Pipes.hh>  #include <TemplateFactory.hh> #include <StringUtils.hh>    class MaxTemperatureMapper : public HadoopPipes::Mapper {  public:    MaxTemperatureMapper(HadoopPipes::TaskContext& context) {    }    void map(HadoopPipes::MapContext& context) {      std::string line = context.getInputValue();      std::string year = line.substr(15, 4);      std::string airTemperature = line.substr(87, 5);      std::string q = line.substr(92, 1);      if (airTemperature != "+9999" &&          (q == "0" || q == "1" || q == "4" || q == "5" || q == "9")) {        context.emit(year, airTemperature);      }    }  };    class MapTemperatureReducer : public HadoopPipes::Reducer {  public:    MapTemperatureReducer(HadoopPipes::TaskContext& context) {    }    void reduce(HadoopPipes::ReduceContext& context) {      int maxValue = INT_MIN;      while (context.nextValue()) {        maxValue = std::max(maxValue, HadoopUtils::toInt(context.getInputValue()));      }      context.emit(context.getInputKey(), HadoopUtils::toString(maxValue));    }  };    int main(int argc, char *argv[]) {    return HadoopPipes::runTask(HadoopPipes::TemplateFactory<MaxTemperatureMapper,                                 MapTemperatureReducer>());  }  </span>

3、  编写Makefile文件，也是在Notepad++中编写

编写完后保存并命名为Makefile，注意必须是只有M是大写的，具体内容附在下面。其中，HADOOP_DEV_HOME表示的是hadoop的安装路径；m64是表示64位系统，如果是32位系统，则改为m32。

<span style="font-size:18px;">HADOOP_DEV_HOME = /local/hadoop/hadoop-2.5.2CC=g++CPPFLAGS = -m64 SRCS = max_temperature.cppPROGRAM = max_temperatureINC_PATH = -I$(HADOOP_DEV_HOME)/includeLIB_PATH = -L$(HADOOP_DEV_HOME)/lib/nativeLIBS = -lhadooppipes -lhadooputils -lpthread$(PROGRAM):$(SRCS)$(CC) $(CPPFLAGS) $(INC_PATH) $< -lcrypto -lssl -Wall $(LIB_PATH) $(LIBS)  -g -O2 -o $@clean:rm -f *.o max_temperature</span>

4、  安装gcc, g++, 标准C库

1).安装gcc

sudo yum install gcc -y

2).安装g++

sudo yum install gcc-c++ -y

3).安装标准C库

sudo yum install glibc-devel –y

5、  安装openssl

直接选择了系统自带的，没有安装新版本。用openssl version查看版本。也可以根据http://blog.csdn.net/menuconfig/article/details/8796242安装openssl。

6、 make

切换到max_temperature.cpp和Makefile所在路径下，然后make,即命令为make max_temperature。

7、 上传文件到HDFS

     1）上传本地可执行文件max_temperature到HDFS的bin/max_temperature目录下: hadoop fs -putmax_temperature bin/max_temperature

     2）上传数据到HDFS: hadoop fs -put sample.txt sample.txt

     3）sample.txt内容如下：

<span style="font-size:18px;">0067011990999991950051507004+68750+023550FM-12+038299999V0203301N00671220001CN9999999N9+00001+999999999990043011990999991950051512004+68750+023550FM-12+038299999V0203201N00671220001CN9999999N9+00221+999999999990043011990999991950051518004+68750+023550FM-12+038299999V0203201N00261220001CN9999999N9-00111+999999999990043012650999991949032412004+62300+010750FM-12+048599999V0202701N00461220001CN0500001N9+01111+999999999990043012650999991949032418004+62300+010750FM-12+048599999V0202701N00461220001CN0500001N9+00781+99999999999</span>

8、 使用hadoop pipes命令运行作业，命令如下：

     hadoop pipes -Dhadoop.pipes.java.recordreader=true -D hadoop.pipes.java.recordwriter=true-input sample.txt -output output -program bin/max_temperature

9、 查看作业执行结果：

     hadoop fs -cat output/*

     若结果为

1949    111
1950    22

   成功啦！

 

出现问题：

       1、make时，若出现这样的错误：

/usr/bin/ld: cannot find –lcrypto

/usr/bin/ld: cannot find –lssl

则需要添加 -lssl,-lcrypto的链接，原因是没有找到 libssl.so。

 

ll /usr/lib64/libssl*，得到

 

-rwxr-xr-x.1 root root 242112 Jul 17  2012 /usr/lib64/libssl3.so
lrwxrwxrwx. 1 root root     15 Nov 30 01:31 /usr/lib64/libssl.so.10-> libssl.so.1.0.0
-rwxr-xr-x. 1 root root 372488 Aug 23  2012 /usr/lib64/libssl.so.1.0.0

根本原因是，虽然有libssl的动态库文件，但没有文件名为 libssl.so的文件，ld找不到它，于是添加软链接：

 

ln-s /usr/lib64/libssl.so.1.0.0 /usr/lib64/libssl.so

ln-s /usr/lib64/libcrypto.so.1.0.0 /usr/lib64/libcrypto.so

 

然后再重新make时，问题就没有了，并make成功。

参照：http://blog.csdn.net/yasi_xi/article/details/8658191

2、Unauthorizedrequest to start container

问题原因：namenode,datanode时间同步问题

解决办法：多个datanode与namenode进行时间同步，在每台服务器执行：ntpdate time.nist.gov，确认时间同步成功。

       参照：http://www.sharpcloud.cn/thread-4927-1-1.html

主要参考文献：

1、 http://www.bkjia.com/yjs/1003476.html Hadoop实战 Hadoop Pipes运行C++程序问题解决，hadooppipes

2、 http://blog.csdn.net/lxxgreat/article/details/7755369 hadoop下的Pipes(用C++进行hadoop程序开发)

3、 http://blog.csdn.net/yasi_xi/article/details/8658191 关于/usr/bin/ld:cannot find -lcrypto 的错误