[Mahout] 完整部署过程

概述

 

     Mahout底层依赖Hadoop，部署Mahout过程中最困难的就是Hadoop的部署

     本文假设用户本身没有进行Hadoop的部署，记述部署Mahout的过程

 

     关于Mahout

     官网：http://mahout.apache.org/

     介绍：http://www.ibm.com/developerworks/cn/java/j-mahout/

 

 

目录：

 

    1. 准备工作

    2. 部署Hadoop

    3. 部署测试Mahout

 

 

一. 准备工作

 

    0. 工具列表及版本

 

         (1) 平台：Linux Ubuntu 13.10 64-bit

         (2) Java：1.7.0_45，下载地址：http://www.oracle.com/technetwork/java/javase/downloads/jdk7-downloads-1880260.html

         (3) Maven：apache-maven-3.1.1-bin.tar.gz，下载地址：http://maven.apache.org/download.cgi

         (4) protobuf：protobuf-2.5.0.tar.gz，下载地址：https://code.google.com/p/protobuf/downloads/list

         (5) Hadoop：hadoop-2.2.0-src.tar.gz，注意：这里要下载源码包，下载地址：http://www.apache.org/dyn/closer.cgi/hadoop/common/

         (6) Mahout：mahout-distribution-0.8.tar.gz，下载地址：http://www.apache.org/dyn/closer.cgi/mahout/

 

    1. Java and Maven

 

         这一步假设已经完成，完成路径配置，$ java -version，$ javac -version，$ mvn -version输出正确版本号

 

 

二. Hadoop的编译、部署和运行

 

    1. 编译Hadoop源代码

 

         (1) 问题引入

 

          Hadoop官方只提供了32位的预编译包，如果将32位Hadoop部署在64位服务器上，运行时会报错：

         

Java HotSpot(TM) 64-BitServer VM warning: You have loaded library/usr/local/bin/hadoop/lib/native/libhadoop.so.1.0.0 which might havedisabled stack guard. The VM will try to fix the stack guard now.

It's highly recommendedthat you fix the library with 'execstack -c <libfile>', or link it with'-z noexecstack'.

 

         如果在运行时看到这段话，那不好意思，你需要重新编译Hadoop，本人就是经历了这个过程。

 

         可以确定一下服务器上的Hadoop是多少位构建的：

         $ file $HADOOP_HOME/lib/native/libhadoop.so.1.0.0

         

              

         (2) 编译过程

 

         A.  准备工作

 

         $ sudo apt-get install autoconf automake libtool cmake

         $ sudo apt-get install libssl-dev

         $ sudo apt-get install libncurses5-dev

         $ sudo apt-get install gcc*

 

         B. 安装protobuf

 

         准备步骤中下载好的protobuf-2.5.0.tar.gz，解压，./configure , make ,make install，检查protoc --version

        

如果成功，则会输出版本号信息，例如：libprotoc 2.5.0
         如果有问题，则会输出错误内容：protoc: error while loading shared libraries: libprotoc.so.8: cannot open shared

错误原因：protobuf的默认安装路径是/usr/local/lib，而/usr/local/lib 不在Ubuntu体系默认的 LD_LIBRARY_PATH 里，所以就找不到该lib

解决方法：
         1. 创建文件 /etc/ld.so.conf.d/libprotobuf.conf 包含内容：/usr/local/lib

2. 输入命令： $ sudo ldconfig

         参考：http://blog.csdn.net/xocoder/article/details/9155901

         

 

         C. 修改源码中的hadoop-common-project/hadoop-auth/pom.xml文件

 

         添加：       

1. <dependency>
2. <groupId>org.mortbay.jetty</groupId>
3. <artifactId>jetty-util</artifactId>
4. <scope>test</scope>
5. </dependency>

        

         说明：不添加上述配置直接进行编译，会遇到

         [ERROR] class file for org.mortbay.component.AbstractLifeCycle not found

         [ERROR] 找不到org.mortbay.component.AbstractLifeCycle的类文件

         这是Hadoop的一个Bug，参照https://issues.apache.org/jira/browse/HADOOP-10110

 

         D. 使用Maven编译Hadoop源码

  

yusong@yusong-ps:~/下载/hadoop-2.2.0-src$ mvn package -Pdist,native -DskipTests -Dtar

大约需要15分钟，视网络情况而定，直至提示success编译完成

编译后可以在hadoop-dist/target里边找到压缩包hadoop-2.2.0.tar.gz

         

 

    2. 部署Hadoop

 

         单节点部署，参考：http://blog.csdn.net/focusheart/article/details/14005893

         要注意，一定要进行HADOOP_HOME与HADOOP_CONF_DIR的路径配置，/etc/profile相关内容如下：

         

 

         如后在使用Hadoop的时候遇到类似 mkdir: `./testdata': No such file or directory 这样的提示，那就回去设置一下吧，设置完就好了

 

    3. 运行Hadoop

 

         按照步骤2中参考博文上的操作即可，确保执行$ jps 能看到 NameNode和DataNode

         浏览器访问http://127.0.0.1:50070/dfshealth.jsp能看到信息

 

三. 部署测试Mahout

 

    1. 解压，设置好MAHOUT_HOME和bin的PATH

 

    2. 确保Hadoop运行正常，因为Mahout是依赖Hadoop进行计算的

 

    3. 准备测试数据，wget http://archive.ics.uci.edu/ml/databases/synthetic_control/synthetic_control.data 

 

         $ cd $MAHOUT_HOME

         $ hadoop fs -mkdir /testdata              # mahout会默认找这个文件名的目录

         $ hadoop fs -put synthetic_control.data testdata

         $ hadoop fs -lsr testdata

 

    4. 执行聚类算法，输入mahout命令会有列出很多算法，其输入目录默认为testdata

 

mahout org.apache.mahout.clustering.syntheticcontrol.canopy.Job 
          mahout org.apache.mahout.clustering.syntheticcontrol.kmeans.Job
          mahout org.apache.mahout.clustering.syntheticcontrol.fuzzykmeans.Job
          mahout org.apache.mahout.clustering.syntheticcontrol.dirichlet.Job
          mahout org.apache.mahout.clustering.syntheticcontrol.meanshift.Job

使用mahout org.apache.mahout.clustering.syntheticcontrol.canopy.Job进行计算

5. 命令行输出计算结果，默认输出结果在output/目录下

 

四. 参考文章

 

    http://blog.csdn.net/bamuta/article/details/13506893

    http://blog.csdn.net/licongcong_0224/article/details/12972889

    http://www.cnblogs.com/duzl/archive/2012/05/18/2507470.html   

    关于停止Hadoop时no datanode to stop的问题，参考：http://blog.sina.com.cn/s/blog_6d932f2a0101fsxn.html