hadoop可以用C++开发,命令运行方式为pipes,例子:hadoop pipes -conf job_config.xml -input input/myfile.txt -output output -program bin/wordcount

另外,还有一种streaming方式(?)

运行java 程序,是打成jar包,使用hadoop jar命令,如果"hadoop jar 程序.jar mainclass arguments"

引自网络具体讲解:

HCE, short for Hadoop c++ extension

据说效率可以比传统Hadoop提高20%以上,计划过几天用倒排索引测试其效率。暂定使用3台节点,每个节点16核cpu。

一天半的时间学习hadoop和hce的部署,并在CentOS5.4上成功部署伪分布式hce,提交自己编译通过的mapreduce程序wordcount,得到正确结果。

配置过程以及遇到的问题:

下载hce源码后,编译过程中遇到如下错误:

1.多余的名称限定:HCE:Compressor 解决方法: 在代码中去掉限定HCE

代码位置:src/c++/hce/impl/Compressor

2.找不到符号:htons 解决方法: 改变引用的头文件。不要使用系统相关的头文件,即 linux/目录下的。

#include <linux/in.h>

#include <linux/in6.h>

注释,增加 #include <netinet/in.h>



链接时可能遇到找不到 -lncurses的错误

需要安装ncurses-devel。对于centos,可使用yum安装。

编译成功后生成build目录下的若干文件

然后是配置运行阶段:

配置conf/ 下的core-site.xml mapred-site.xml hdfs-site.xml

主要是配置各个服务的IP地址和端口,hadoop的各个服务将在配置的地址上开启。

运行阶段很容易发生无法正常启动某daemon的现象,这里的错误原因可能性比较多,推荐使用一种虽然繁琐但比较保险的做法:按顺序分别启动服务

首先要格式化hdfs,bin/hadoop namenode -format

然后按顺序启动daemons,hadoop主要包括四个daemons: namenode, datanode, jobtracker, tasktracker

按顺序启动:

bin/hadoop-daemon start namenode

bin/hadoop-daemon start datanode

bin/hadoop-daemon start jobtracker

bin/hadoop-daemon start tasktracker

可以边启动边去logs里查看日志,看是否启动成功。

启动成功后,使用bin/hadoop fs 系列命令建立好输入/出目录input/output, 将输入文件上传hdfs。

然后该编写我们的c++版的mapreduce程序wordcount了,代码如下:

#include "hadoop/Hce.hh"



class WordCountMap: public HCE::Mapper {

public:

HCE::TaskContext::Counter* inputWords;

int64_t setup() {

inputWords = getContext()->getCounter("WordCount",

"Input Words");

return 0;

}

int64_t map(HCE::MapInput &input) {

int64_t size = 0;

const void* value = input.value(size);

if ((size > 0) && (NULL != value)) {

char* text = (char*)value;

const int n = (int)size;

for (int i = 0; i < n;) {

// Skip past leading whitespace

while ((i < n) && isspace(text[i])) i++;

// Find word end

int start = i;

while ((i < n) && !isspace(text[i])) i++;

if (start < i) {

emit(text + start, i-start, "1", 1);

getContext()->incrementCounter(inputWords, 1);

}

}

}

return 0;

}

int64_t cleanup() {

return 0;

}

};



const int INT64_MAXLEN = 25;

int64_t toInt64(const char *val) {

int64_t result;

char trash;

int num = sscanf(val, "%ld%c", &result, &trash);

return result;

}

class WordCountReduce: public HCE::Reducer {

public:

HCE::TaskContext::Counter* outputWords;

int64_t setup() {

outputWords = getContext()->getCounter("WordCount",

"Output Words");

return 0;

}

int64_t reduce(HCE::ReduceInput &input) {

int64_t keyLength;

const void* key = input.key(keyLength);

int64_t sum = 0;

while (input.nextValue()) {

int64_t valueLength;

const void* value = input.value(valueLength);

sum += toInt64((const char*)value);

}

char str[INT64_MAXLEN];

int str_len = snprintf(str, INT64_MAXLEN, "%ld", sum);

getContext()->incrementCounter(outputWords, 1);

emit(key, keyLength, str, str_len);

}

int64_t cleanup() {

return 0;

}

};



int main(int argc, char *argv[]) {

return HCE::runTask(

//TemplateFactory sequence is Mapper, Reducer,

// Partitioner, Combiner, Committer,

// RecordReader, RecordWriter

HCE::TemplateFactory<WordCountMap, WordCountReduce,

void, void, void, void, void>()

);

}

Makefile如下:

HADOOP_HOME = ../hadoop-0.20.3/build

JAVA_HOME = ../java6

INCLUDEDIR = ../hadoop-0.20.3/build/c++/Linux-amd64-64/include

LIBDIR = ../hadoop-0.20.3/build/c++/Linux-amd64-64/lib



CXX=g++

RM=rm -f

INCLUDEDIR = -I${HADOOP_HOME}/c++/Linux-amd64-64/include

LIBDIR = -L${HADOOP_HOME}/c++/Linux-amd64-64/lib \

-L${JAVA_HOME}/jre/lib/amd64/server

CXXFLAGS = ${INCLUDEDIR} -g -Wextra -Werror \

-Wno-unused-parameter -Wformat \

-Wconversion -Wdeprecated

LDLIBS = ${LIBDIR} -lhce -lhdfs -ljvm

all : wordcount-demo

wordcount-demo : wordcount-demo.o

$(CXX) -o $@ $^ $(LDLIBS) $(CXXFLAGS)

clean:

$(RM) *.o wordcount-demo

编译成功后就可以提交hce作业了:

bin/hadoop hce -input /input/test -output /output/out1 -program wordcount-demo -file wordcount-demo -numReduceTasks 1

这里使用到的输入文件 input/test内容如下:

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

The quick brown fox jumps over the lazy dog.

提交作业后可能遇到错误:job not successful

查看日志,有如下错误提示:

stderr logs:

..........

HCE_FATAL 08-10 12:13:51 [/home/shengeng/hce/hadoop_hce_v1/hadoop-0.20.3/src/c++/hce/impl/MapRed/Hce.cc][176][runTask] error when parsing UgiInfo at /home/shengeng/hce/hadoop_hce_v1/hadoop-0.20.3/src/c++/hce/impl/MapRed/HadoopCommitter.cc:247  in virtual bool HCE::HadoopCommitter::needsTaskCommit() syslog logs: .......................
2011-08-10 12:13:51,450 ERROR org.apache.hadoop.mapred.hce.BinaryProtocol: java.io.EOFException at java.io.DataInputStream.readByte(DataInputStream.java:250) at org.apache.hadoop.io.WritableUtils.readVLong(WritableUtils.java:298) at org.apache.hadoop.io.WritableUtils.readVInt(WritableUtils.java:319) at org.apache.hadoop.mapred.hce.BinaryProtocol$UplinkReaderThread.run(BinaryProtocol.java:112) 2011-08-10 12:13:51,450 ERROR org.apache.hadoop.mapred.hce.Application: Aborting because of java.io.EOFException at java.io.DataInputStream.readByte(DataInputStream.java:250) at org.apache.hadoop.io.WritableUtils.readVLong(WritableUtils.java:298) at org.apache.hadoop.io.WritableUtils.readVInt(WritableUtils.java:319) at org.apache.hadoop.mapred.hce.BinaryProtocol$UplinkReaderThread.run(BinaryProtocol.java:112) 2011-08-10 12:13:51,450 INFO org.apache.hadoop.mapred.hce.BinaryProtocol: Sent abort command 2011-08-10 12:13:51,496 WARN org.apache.hadoop.mapred.TaskTracker: Error running child java.io.IOException: hce child exception at org.apache.hadoop.mapred.hce.Application.abort(Application.java:325) at org.apache.hadoop.mapred.hce.HceMapRunner.run(HceMapRunner.java:87) at org.apache.hadoop.mapred.MapTask.runOldMapper(MapTask.java:369) at org.apache.hadoop.mapred.MapTask.run(MapTask.java:307) at org.apache.hadoop.mapred.Child.main(Child.java:170) Caused by: java.io.EOFException at java.io.DataInputStream.readByte(DataInputStream.java:250) at org.apache.hadoop.io.WritableUtils.readVLong(WritableUtils.java:298) at org.apache.hadoop.io.WritableUtils.readVInt(WritableUtils.java:319) at org.apache.hadoop.mapred.hce.BinaryProtocol$UplinkReaderThread.run(BinaryProtocol.java:112) 2011-08-10 12:13:51,500 INFO org.apache.hadoop.mapred.TaskRunner: Runnning cleanup for the task 

根据日志定位到代码:

在HadoopCommitter.cc中,
bool HadoopCommitter::needsTaskCommit()

string ugiInfo = taskContext->getJobConf()->get("hadoop.job.ugi"); //这里去找hadoop.job.ugi这个配置项但是默认的hce配置文件中没有此项
  words = HadoopUtils::splitString(ugiInfo, ",");
  HADOOP_ASSERT(words.size() ==2, "error when parsing UgiInfo"); //所以在这里抛出异常了
在hdfs-site.xml中添加配置项: <property>   <name>hadoop.job.ugi</name>   <value>hadoop,supergroup</value> </property>
又观察代码可以推断,此配置项在hce中并未生效,在needsTaskCommit()函数中仅仅是去读取了此配置项,但未使用到其值。

hadoop上的C++程序开发的更多相关文章

  1. 原生态在Hadoop上运行Java程序

    第一种:原生态运行jar包1,利用eclipse编写Map-Reduce方法,一般引入Hadoop-core-1.1.2.jar.注意这里eclipse里没有安装hadoop的插件,只是引入其匝包,该 ...

  2. 在Hadoop上运行基于RMM中文分词算法的MapReduce程序

    原文:http://xiaoxia.org/2011/12/18/map-reduce-program-of-rmm-word-count-on-hadoop/ 在Hadoop上运行基于RMM中文分词 ...

  3. 让python在hadoop上跑起来

    duang~好久没有更新博客啦,原因很简单,实习啦-好吧,我过来这边上班表示觉得自己简直弱爆了.第一周,配置环境:第二周,将数据可视化,包括学习了excel2013的一些高大上的技能,例如数据透视表和 ...

  4. 在Hadoop上用Python实现WordCount

    一.简单说明 本例中我们用Python写一个简单的运行在Hadoop上的MapReduce程序,即WordCount(读取文本文件并统计单词的词频).这里我们将要输入的单词文本input.txt和Py ...

  5. 5款微信小程序开发工具使用报告,微信官方开发工具还有待提升

    微信小程序已经内测有一段时间了,笔者本着好奇加学习的心态写了几个小demo,虽然在MINA框架上并没有遇到太多的坑,但官方开发工具实在不敢恭维. api提示不全,要一个个查api啊,写代码超级慢啊 很 ...

  6. 在Hadoop 2.3上运行C++程序各种疑难杂症(Hadoop Pipes选择、错误集锦、Hadoop2.3编译等)

    首记 感觉Hadoop是一个坑,打着大数据最佳解决方案的旗帜到处坑害良民.记得以前看过一篇文章,说1TB以下的数据就不要用Hadoop了,体现不 出太大的优势,有时候反而会成为累赘.因此Hadoop的 ...

  7. 基于HBase Hadoop 分布式集群环境下的MapReduce程序开发

    HBase分布式集群环境搭建成功后,连续4.5天实验客户端Map/Reduce程序开发,这方面的代码网上多得是,写个测试代码非常容易,可是真正运行起来可说是历经挫折.下面就是我最终调通并让程序在集群上 ...

  8. 微信小程序开发日记——高仿知乎日报(上)

    本人对知乎日报是情有独钟,看我的博客和github就知道了,写了几个不同技术类型的知乎日报APP 要做微信小程序首先要对html,css,js有一定的基础,还有对微信小程序的API也要非常熟悉 我将该 ...

  9. 在ubuntu上使用wxWidgets成功开发一个图形界面程序

    编译wxWidgets 下载最新版的源码,wxWidgets-3.0.2.wxWidgets在liunx是通过wxGTK实现的.wxGTK和wxWidgets的源码打包在一起.wxGTK依赖GTK+, ...

随机推荐

  1. Sencha EXTJS6的 Eclipse 插件安装指南

    Sencha EXTJS的 Eclipse 插件安装指南 (翻译:苏生米沿) 本文地址:http://blog.csdn.net/sushengmiyan/article/details/52566 ...

  2. Android艺术开发探索第三章——View的事件体系(上)

    Android艺术开发探索第三章----View的事件体系(上) 我们继续来看这本书,因为有点长,所以又分了上下,你在本片中将学习到 View基础知识 什么是View View的位置参数 Motion ...

  3. 将Gradle项目发布到Jcenter和Maven Central

    Jcenter和Maven Central 为了方便我们理解Android studio是如何帮助我们获取开源库的,我们需要理清几个概念.Apache Maven是Apache开发的一个工具,提供了用 ...

  4. Android开发指南--0 总览

    无意间发现一个网站,主打IOS方面的教程,然而作为一个Android开发者,我就找了下网站里有没有Android的教程,还真有,这里就翻译一下. 翻译目标教程:https://www.raywende ...

  5. 获取客户信息SQL

    /*取客户信息SQL*/ --客户信息 SELECT hou.name 业务实体, hca.account_number 客户编号, hp.party_name 客户名称, arp_addr_pkg. ...

  6. android拍照获得图片及获得图片后剪切设置到ImageView

    ok,这次的项目需要用到设置头像功能,所以做了个总结,直接进入主题吧. 先说说怎么 使用android内置的相机拍照然后获取到这张照片吧 直接上代码: Intent intentFromCapture ...

  7. Findbug在项目中的运用--提高代码质量

     FindBugs是一个静态分析工具,它检查类或者 JAR文件,将字节码与一组缺陷模式进行对比以发现可能的问题.有了静态分析工具,就可以在不实际运行程序的情况对软件进行分析 第一 手动安装 在Ec ...

  8. 1081. Rational Sum (20) -最大公约数

    题目如下: Given N rational numbers in the form "numerator/denominator", you are supposed to ca ...

  9. Swift基础之Animation动画研究

    最近研究了一下,Swift语言中关于Animation动画的实现学习,分两次进行相关内容的讲解 用表格列出各种动画情况 Demo首页显示展示了一种动画显示方式,代码如下: //绘画装饰    func ...

  10. 【java虚拟机系列】java虚拟机系列之JVM总述

    我们知道java之所以能够快速崛起一个重要的原因就是其跨平台性,而跨平台就是通过java虚拟机来完成的,java虚拟机属于java底层的知识范畴,即使你不了解也不会影响绝大部分人从事的java应用层的 ...