(转) hadoop2安装LZO

1.为什么使用lzo?
2.如何安装配置lzo？
3.如何使用lzo？







Hadoop经常用于处理大量的数据，如果期间的输出数据、中间数据能压缩存储，对系统的I/O性能会有提升。综合考虑压缩、解压速度、是否支持split，目前lzo是最好的选择。LZO（LZO是Lempel-Ziv-Oberhumer的缩写）是一种高压缩比和解压速度极快的编码，它的特点是解压缩速度非常快，无损压缩，压缩后的数据能准确还原，lzo是基于block分块的，允许数据被分解成chunk，能够被并行的解压。LZO库实现了许多有下述特点的算法：
　　（1）、解压简单，速度非常快。
　　（2）、解压不需要内存。
　　（3）、压缩相当地快。
　　（4）、压缩需要64 kB的内存。
　　（5）、允许在压缩部分以损失压缩速度为代价提高压缩率，解压速度不会降低。
　　（6）、包括生成预先压缩数据的压缩级别，这样可以得到相当有竞争力的压缩比。
　　（7）、另外还有一个只需要8 kB内存的压缩级别。
　　（8）、算法是线程安全的。
　　（9）、算法是无损的。
本文针对Hadoop 2.2.0，介绍如何安装和使用lzo。

一、下载、解压并编译lzo包

1. [wyp@master ~]$ wget http://www.oberhumer.com/opensource/lzo/download/lzo-2.06.tar.gz
2. [wyp@master ~]$ tar -zxvf lzo-2.06.tar.gz
3. [wyp@master ~]$ cd lzo-2.06
4. [wyp@master ~]$ export CFLAGS=-m64
5. [wyp@master ~]$ ./configure -enable-shared -prefix=/usr/local/hadoop/lzo/ 
6. [wyp@master ~]$ make && sudo make install

复制代码

编译完lzo包之后，会在/usr/local/hadoop/lzo/生成一些文件，目录结构如下：

1. [wyp@master /usr/local/hadoop/lzo]$ ls -l
2. total 12
3. drwxr-xr-x 3 root root 4096 Mar 21 17:23 include
4. drwxr-xr-x 2 root root 4096 Mar 21 17:23 lib
5. drwxr-xr-x 3 root root 4096 Mar 21 17:23 share

复制代码

　将/usr/local/hadoop/lzo目录下的所有文件打包，并同步到集群中的所有机器上。

　在编译lzo包的时候，需要一些环境，可以用下面的命令安装好lzo编译环境

1. [wyp@master ~]$ yum -y install  lzo-devel     \
2.                zlib-devel  gcc autoconf automake libtool

复制代码

二、安装Hadoop-LZO


这里下载的是Twitter hadoop-lzo，可以用Maven进行编译。

1. [wyp@master ~]$ wget https://github.com/twitter/hadoop-lzo/archive/master.zip

复制代码

下载后的文件名是master，它是一个zip格式的压缩包，可以进行解压：

1. [wyp@master ~]$ unzip master

复制代码

解压后的文件夹名为hadoop-lzo-master

当然，如果你电脑安装了git，你也可以用下面的命令去下载

1. [wyp@master ~]$ git clone https://github.com/twitter/hadoop-lzo.git​

复制代码

hadoop-lzo中的pom.xml依赖了hadoop2.1.0-beta，由于我们这里用到的是Hadoop 2.2.0，所以建议将hadoop版本修改为2.2.0：

1. <properties>
2.     <project.build.sourceEncoding>UTF-8</project.build.sourceEncoding>
3.     <hadoop.current.version>2.2.0</hadoop.current.version>
4.     <hadoop.old.version>1.0.4</hadoop.old.version>
5.   </properties>

复制代码

然后进入hadoop-lzo-master目录，依次执行下面的命令

1. [wyp@master hadoop-lzo-master]$ export CFLAGS=-m64
2. [wyp@master hadoop-lzo-master]$ export CXXFLAGS=-m64
3. [wyp@master hadoop-lzo-master]$ export C_INCLUDE_PATH=     \
4.                                   /usr/local/hadoop/lzo/include
5. [wyp@master hadoop-lzo-master]$ export LIBRARY_PATH=/usr/local/hadoop/lzo/lib
6. [wyp@master hadoop-lzo-master]$ mvn clean package -Dmaven.test.skip=true
7. [wyp@master hadoop-lzo-master]$ cd target/native/Linux-amd64-64
8. [wyp@master Linux-amd64-64]$ tar -cBf - -C lib . | tar -xBvf - -C ~
9. [wyp@master ~]$cp ~/libgplcompression* $HADOOP_HOME/lib/native/ 
10. [wyp@master hadoop-lzo-master]$cp target/hadoop-lzo-0.4.18-SNAPSHOT.jar   \
11.                                    $HADOOP_HOME/share/hadoop/common/

复制代码

其实在tar -cBf – -C lib . | tar -xBvf – -C ~命令之后，会在~目录下生成一下几个文件：

1. [wyp@master ~]$ ls -l
2. -rw-r--r--  1 libgplcompression.a
3. -rw-r--r--  1 libgplcompression.la
4. lrwxrwxrwx  1 libgplcompression.so -> libgplcompression.so.0.0.0
5. lrwxrwxrwx  1 libgplcompression.so.0 -> libgplcompression.so.0.0.0
6. -rwxr-xr-x  1 libgplcompression.so.0.0.0

复制代码

其中libgplcompression.so和libgplcompression.so.0是链接文件，指向libgplcompression.so.0.0.0，将刚刚生成的libgplcompression*和target/hadoop-lzo-0.4.18-SNAPSHOT.jar同步到集群中的所有机器对应的目录。


三、配置Hadoop环境变量

1、在Hadoop中的$HADOOP_HOME/etc/hadoop/hadoop-env.sh加上下面配置：

1. export LD_LIBRARY_PATH=/usr/local/hadoop/lzo/lib

复制代码

2、在$HADOOP_HOME/etc/hadoop/core-site.xml加上如下配置：

1. <property>
2.         <name>io.compression.codecs</name>
3.         <value>org.apache.hadoop.io.compress.GzipCodec,
4.                org.apache.hadoop.io.compress.DefaultCodec,
5.                com.hadoop.compression.lzo.LzoCodec,
6.                com.hadoop.compression.lzo.LzopCodec,
7.                org.apache.hadoop.io.compress.BZip2Codec
8.         </value>
9. </property>
11. <property>
12.         <name>io.compression.codec.lzo.class</name>
13.         <value>com.hadoop.compression.lzo.LzoCodec</value>
14. </property>

复制代码

3、在$HADOOP_HOME/etc/hadoop/mapred-site.xml加上如下配置

1. <property>
2.         <name>mapred.compress.map.output</name>
3.         <value>true</value>
4. </property>
6. <property>
7.         <name>mapred.map.output.compression.codec</name>
8.         <value>com.hadoop.compression.lzo.LzoCodec</value>
9. </property>
11. <property>
12.         <name>mapred.child.env</name>
13.         <value>LD_LIBRARY_PATH=/usr/local/hadoop/lzo/lib</value>
14. </property>

复制代码

四、如何使用

这里在Hive中使用一下lzo，在hive中创建一个lzo表：

1. hive> create table lzo(
2.     > id int,
3.     > name string)
4.     > STORED AS INPUTFORMAT 'com.hadoop.mapred.DeprecatedLzoTextInputFormat' 
5.     > OUTPUTFORMAT 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat';
6. OK
7. Time taken: 3.423 seconds

复制代码

如果在创建lzo表出现了如下错误：

1. FAILED: Error in metadata: Class not found:     \
2. com.hadoop.mapred.DeprecatedLzoTextInputFormat
3. FAILED: Execution Error, 
4. return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask

复制代码

请检查你的环境是否配置好。

然后在本地用lzo压缩一个文件，先看看users.txt的内容：

1. [wyp@master ~]$ cat users.txt
2. 1^Awyp
3. 2^Azs
4. 3^Als
5. 4^Aww
6. 5^Awyp2
7. 6^Awyp3
8. 7^Awyp4
9. 8^Awyp5
10. 9^Awyp6
11. 10^Awyp7
12. 11^Awyp8
13. 12^Awyp5
14. 13^Awyp9
15. 14^Awyp20
16. [wyp@master ~]$ lzop users.txt 
17. [wyp@master ~]$ ls -l users.txt*
18. -rw-r--r-- 1 wyp wyp 97  Mar 25 15:40 users.txt
19. -rw-r--r-- 1 wyp wyp 154 Mar 25 15:40 users.txt.lzo

复制代码

将users.txt.lzo的数据导入到lzo表里面：

1. hive> load data local inpath '/home/wyp/users.txt.lzo' into table lzo;
2. Copying data from file:/home/wyp/users.txt.lzo
3. Copying file: file:/home/wyp/users.txt.lzo
4. Loading data to table default.lzo
5. Table default.lzo stats: [num_partitions: 0, num_files: 1, 
6.                num_rows: 0, total_size: 154, raw_data_size: 0]
7. OK
8. Time taken: 0.49 seconds
9. hive> select * from lzo;
10. OK
11. 1        wyp
12. 2        zs
13. 3        ls
14. 4        ww
15. 5        wyp2
16. 6        wyp3
17. 7        wyp4
18. 8        wyp5
19. 9        wyp6
20. 10        wyp7
21. 11        wyp8
22. 12        wyp5
23. 13        wyp9
24. 14        wyp20
25. Time taken: 0.244 seconds, Fetched: 14 row(s)

复制代码

好了，我们可以在Hadoop中使用lzo了