DPark安装及相关资料整理

最近需要处理海量数据的分布式计算及数据挖掘，经过多次选择(hadoop,Spark,DPark)，最后还是选择了DPark，主要是看中DPark的轻量级及python的灵活性，且除了豆瓣外，在几个友公司都有成功的应用案例。

不过很痛苦的是DPark的资料太少了，连github上的官方wiki都不够详细，暂时只能主要靠自己摸索。

这篇文章主要记录DPark的一些资料及我在安装时的一些问题（其实基本是python问题，由于我暂时对python不熟导致的）。

1. DPark一句话简介：

DPark是豆瓣开发的基于Mesos的开源分布式计算框架，是spark的python版克隆。

2. python2.6下DPark安装：

git clone git://github.com/douban/dpark.git
cd dpark
python setup.py install

DPark使用easy_install进行安装，我这边没有setuptools，因此安装下：

yum -y install python-setuptools

问题继续出现，如下：

error: Couldn't find a setup script in /tmp/easy_install-riZxUs/protobuf-2.5.0.zip

坑爹，查了很久才在protobuf的google code中的issue 66中发现了如下说明：

#52 gregory....@gmail.com

Workaround: use easy_install's --allow-hosts options to force downloading from PyPI:

easy_install --allow-hosts pypi.python.org protobuf

Worked for me

配置了easy_install的下载域名：

easy_install --allow-hosts pypi.python.org protobuf

之前的错误消失了，个人推测是之前默认下载google code的protobuf有问题？麻烦知情者告诉我一声，非常感谢！

新的错误总是会出现，又来：

error: Setup script exited with error: command 'gcc' failed with exit status 1

这个问题一般是由于缺少python-dev包导致的，继续装吧！

yum -y install python-devel

总算OK了，对python不熟确实不行，最近只是学习了python的语法，各种常用包的使用还不太清楚，需要继续努力。

3. 最后附上DPark的一些资料

官方中文wiki: https://github.com/jackfengji/test_pro/wiki

google group：https://groups.google.com/forum/#!forum/dpark-users

支持迭代计算的MapReduce框架PDF:http://velocity.oreilly.com.cn/2011/ppts/dpark.pdf

没了。。好惨。有知道其他资料的麻烦继续告诉我，多谢！