個人小站,正在持續整理中,歡迎訪問:http://shitouer.cn
該博文已更新，更新文章地址：Hadoop HBase 配置 安裝 Snappy 終極教程
因為產品需要，這兩天研究了一下Hadoop Snappy。先不說什么各個壓縮算法之間的性能對比，單是這個安裝過程，就很痛苦。網上有很多博友寫Hadoop Snappy安裝過程，大部分是照着Google的文檔翻譯了一遍，並沒有列舉出遇到的問題。有的博文，明明其驗證提示是錯誤的，還說如果輸出XXX，說明安裝成功了。費了老大的勁，終於安裝成功了，現將詳細步驟及遇到的問題，一一列出，只希望接下來需要研究及安裝的朋友，看到這篇博文，能夠一氣呵成！本篇文章主要包括：
1. Snappy 壓縮算法介紹及集中壓縮算法比較
2. Snappy 安裝過程及驗證
3. Hadoop Snappy 源碼編譯過程及問題解決方案
4. Hadoop上Hadoop Snappy 安裝配置過程及驗證
5. HBase 配置Snappy及驗證
6.如何在集群中所有節點部署
廢話不多說，現在開始：
1. Snappy 壓縮算法介紹及幾種壓縮算法比較
這一部分可以參考我的上一篇博文：Hadoop壓縮-SNAPPY算法，或者直接參看Google文檔：http://code.google.com/p/snappy/ 及 http://code.google.com/p/hadoop-snappy/。不再詳細介紹。
2. Snappy 安裝過程及驗證
① 前置條件
gcc c++, autoconf, automake, libtool, Java 6, JAVA_HOME set, Maven 3
前五個如果不能確定的話，可以直接使用yum install XXX來確認一下，如果已安裝會提示，沒有安裝的話，會自動安裝上。
② 下載Snappy 1.0.5
下載地址：http://code.google.com/p/snappy/downloads/list。
③ 編譯並安裝動態鏈接庫到本地
./configure
make
make install
默認是安裝到了/usr/local/lib。這時在此目錄下查看會生成：
[root@slave1 lib]# pwd /usr/local/lib [root@slave1 lib]# ll total 536 -rw-r--r--. 1 root root 369308 Jan 14 11:02 libsnappy.a -rwxr-xr-x. 1 root root 957 Jan 14 11:02 libsnappy.la lrwxrwxrwx. 1 root root 18 Jan 14 11:02 libsnappy.so -> libsnappy.so.1.1.3 lrwxrwxrwx. 1 root root 18 Jan 14 11:02 libsnappy.so.1 -> libsnappy.so.1.1.3 -rwxr-xr-x. 1 root root 171796 Jan 14 11:02 libsnappy.so.1.1.3 [root@slave1 lib]#
如果沒有錯誤且文件及鏈接一致，snappy的安裝已經成功。
3. Hadoop Snappy 源碼編譯過程及問題解決方案
① 下載Hadoop-Snappy源碼
下載地址：http://code.google.com/p/hadoop-snappy/
② 編譯hadoop snappy源碼
mvn package [-Dsnappy.prefix=SNAPPY_INSTALLATION_DIR]
注：如果第二步snappy安裝路徑是默認的話，即/usr/local/lib，則此處 [-Dsnappy.prefix=SNAPPY_INSTALLATION_DIR] 可以不寫，或者 -Dsnappy.prefix=/usr/local/lib
這個過程如果你的CentOS各個軟件的版本正好和Hadoop Snappy要求的一致的話，真的恭喜你，可以一部成功，但是有些還是會有問題。我遇到的三個比計較棘手的問題：
錯誤一：/root/modules/hadoop-snappy/maven/build-compilenative.xml:62: Execute failed: java.io.IOException: Cannot run program "autoreconf" (in directory "/root/modules/hadoop-snappy/target/native-src"): java.io.IOException: error=2, No such file or directory
解決方案：說明缺少文件，但是這個文件是在target下的，是編譯過程中自動生成的，原本就不該存在，這是問什么呢？其實根本問題不是缺文件，而是Hadoop Snappy是需要一定的前置條件的：Requirements: gcc c++, autoconf, automake, libtool, Java 6, JAVA_HOME set, Maven 3。
我這里邊缺少了autoconf，automake，libtool的緣故。在ubuntu中，你可以直接依次apt-get install autoconf，automake，libtool即可，如果是在CentOS中，只需將apt-get 換成 yum。
錯誤二：
[exec] make: *** [src/org/apache/hadoop/io/compress/snappy/SnappyCompressor.lo] Error 1 [ERROR] Failed to execute goal org.apache.maven.plugins:maven-antrun-plugin:1.6:run (compile) on project hadoop-snappy: An Ant BuildException has occured: The following error occurred while executing this line: [ERROR] /home/ngc/Char/snap/hadoop-snappy/hadoop-snappy-read-only/maven/build-compilenative.xml:75: exec returned: 2
解決方案：這個是最惡心的。Hadoop Snappy的前置條件需要安裝gcc，但是它的官方文檔僅僅列出了需要gcc，而沒有列出需要什么版本的gcc。在Google中英文搜索了半天，刨來刨去，終於發現，有句話說Hadoop Snappy是需要gcc4.4的。而我的是gcc4.6.3。
[root@master modules]# gcc --version gcc (GCC) 4.4.6 20120305 (Red Hat 4.4.6-4) Copyright (C) 2010 Free Software Foundation, Inc. This is free software; see the source for copying conditions. There is NO warranty; not even for MERCHANTABILITY or FITNESS FOR A PARTICULAR PURPOSE.
那么我們就要回退，如何回退：
1. apt-get install gcc-3.4 2. rm /usr/bin/gcc 3. ln -s /usr/bin/gcc-4.4 /usr/bin/gcc 之后，再gcc --version，你就會發現，gcc已經變成4.4.7了。
錯誤三：
[exec] /bin/bash ./libtool --tag=CC --mode=link gcc -g -Wall -fPIC -O2 -m64 -g -O2 -version-info 0:1:0 -L/usr/local//lib -o libhadoopsnappy.la -rpath /usr/local/lib src/org/apache/hadoop/io/compress/snappy/SnappyCompressor.lo src/org/apache/hadoop/io/compress/snappy/SnappyDecompressor.lo -ljvm -ldl [exec] /usr/bin/ld: cannot find -ljvm [exec] collect2: ld returned 1 exit status [exec] make: *** [libhadoopsnappy.la] 錯誤 1 [exec] libtool: link: gcc -shared -fPIC -DPIC src/org/apache/hadoop/io/compress/snappy/.libs/SnappyCompressor.o src/org/apache/hadoop/io/compress/snappy/.libs/SnappyDecompressor.o -L/usr/local//lib -ljvm -ldl -O2 -m64 -O2 -Wl,-soname -Wl,libhadoopsnappy.so.0 -o .libs/libhadoopsnappy.so.0.0.1
解決方案：如果你去搜，你會發現網上有很多 解決/usr/bin/ld: cannot find -lxxx 這樣的博客，但是這里，我告訴你，他們的都不適用。因為這兒既不是缺什么，也不是版本不對，是因為沒有把安裝jvm的libjvm.so symbolic link到usr/local/lib。如果你的系統時amd64，可到/root/bin/jdk1.6.0_37/jre/lib/amd64/server/察看libjvm.so link到的地方，這里修改如下：
ln -s /root/bin/jdk1.6.0_37/jre/lib/amd64/server/libjvm.so /usr/local/lib/ 問題即可解決。
③ hadoop snappy源碼編譯成功以后，在target包下，會有如下文件：
[root@master snappy-hadoop]# cd target/ [root@master target]# ll total 928 drwxr-xr-x. 2 root root 4096 Jan 13 19:42 antrun drwxr-xr-x. 2 root root 4096 Jan 13 19:44 archive-tmp drwxr-xr-x. 3 root root 4096 Jan 13 19:42 classes -rw-r--r--. 1 root root 168 Jan 13 19:44 copynativelibs.sh drwxr-xr-x. 4 root root 4096 Jan 13 19:42 generated-sources -rw-r--r--. 1 root root 11526 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT.jar -rw-r--r--. 1 root root 337920 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT-Linux-amd64-64.tar drwxr-xr-x. 3 root root 4096 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT-tar -rw-r--r--. 1 root root 180661 Jan 13 19:44 hadoop-snappy-0.0.1-SNAPSHOT.tar.gz drwxr-xr-x. 2 root root 4096 Jan 13 19:44 maven-archiver drwxr-xr-x. 3 root root 4096 Jan 13 19:42 native-build drwxr-xr-x. 7 root root 4096 Jan 13 19:42 native-src drwxr-xr-x. 2 root root 4096 Jan 13 19:44 surefire-reports drwxr-xr-x. 3 root root 4096 Jan 13 19:42 test-classes -rw-r--r--. 1 root root 365937 Jan 13 19:44 test.txt.snappy [root@master target]#
4. Hadoop上Hadoop Snappy 安裝配置過程及驗證
這個過程也比較繁雜，配置點比較多要仔細：
① 解壓第三步target下hadoop-snappy-0.0.1-SNAPSHOT.tar.gz，解壓后，復制lib文件
cp -r /root/modules/snappy-hadoop/target/hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/* $HADOOP_HOME/lib/native/Linux-amd64-64/
② 將第三步target下的hadoop-snappy-0.0.1-SNAPSHOT.jar復制到$HADOOP_HOME/lib 下。
③ 配置hadoop-env.sh，添加：
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HADOOP_HOME/lib/native/Linux-amd64-64/:/usr/local/lib/
④ 配置mapred-site.xml，這個文件中，所有跟壓縮有關的配置選項有：
<property> <name>mapred.output.compress</name> <value>false</value> <description>Should the job outputs be compressed? </description> </property> <property> <name>mapred.output.compression.type</name> <value>RECORD</value> <description>If the job outputs are to compressed as SequenceFiles, how should they be compressed? Should be one of NONE, RECORD or BLOCK. </description> </property> <property> <name>mapred.output.compression.codec</name> <value>org.apache.hadoop.io.compress.DefaultCodec</value> <description>If the job outputs are compressed, how should they be compressed? </description> </property> <property> <name>mapred.compress.map.output</name> <value>false</value> <description>Should the outputs of the maps be compressed before being sent across the network. Uses SequenceFile compression. </description> </property> <property> <name>mapred.map.output.compression.codec</name> <value>org.apache.hadoop.io.compress.DefaultCodec</value> <description>If the map outputs are compressed, how should they be compressed? </description> </property>
根據自己的需要，配置進去即可。我們為了驗證方便，僅配置map部分：
<property> <name>mapred.compress.map.output</name> <value>true</value> </property> <property> <name>mapred.map.output.compression.codec</name> <value>org.apache.hadoop.io.compress.SnappyCodec</value> </property>
⑤ 重新啟動hadoop。為了驗證是否成功，往hdfs上傳一個文本文件，敲入一些詞組，運行wordcount程序。如果map部分100%完成，即說明我們hadoop snappy安裝成功。
因為hadoop沒有像HBase一樣提供util.CompressionTest類(或者是我沒有找到)，所以只能按照這種方法來測試。接下來，將詳細列出HBase使用Snappy的配置過程。
5. HBase 配置Snappy及驗證
在Hadoop上配置Snappy成功以后，相對來說，在HBase上配置要簡單一些了。
① 配置HBase lib/native/Linux-amd64-64/ 中的lib文件。HBase中的lib文件，即需要第三步中/root/modules/snappy-hadoop/target/hadoop-snappy-0.0.1-SNAPSHOT/lib/native/Linux-amd64-64/ 下的所有lib文件，也需要Hadoop中，$HADOOP_HOME/lib/native/Linux-amd64-64/下的hadoop的lib文件(我看到的大部分介紹snappy的文章，均為提到這一點)。簡單起見，我們只需要將$HADOOP_HOME/lib/native/Linux-amd64-64/下lib文件，全部復制到相應HBase目錄下：
cp -r $HADOOP_HOME/lib/native/Linux-amd64-64/* $HBASE_HOME/lib/native/Linux-amd64-64/
② 配置HBase環境變量hbase-env.sh
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:$HADOOP_HOME/lib/native/Linux-amd64-64/:/usr/local/lib/
export HBASE_LIBRARY_PATH=$HBASE_LIBRARY_PATH:$HBASE_HOME/lib/native/Linux-amd64-64/:/usr/local/lib/
③ 重啟HBase。
④ 驗證安裝是否成功
首先，使用 CompressionTest 來查看snappy是否 enabled 並且能成功 loaded:
hbase org.apache.hadoop.hbase.util.CompressionTest hdfs://192.168.205.5:9000/output/part-r-00000 snappy
其中，/output/part-r-00000 為我們在驗證hadoop snappy的時候，wordcount的輸出。
執行命令后結果為：
[root@master ~]# hbase org.apache.hadoop.hbase.util.CompressionTest hdfs://192.168.205.5:9000/output/part-r-00000 snappy
13/01/13 21:59:24 INFO util.ChecksumType: org.apache.hadoop.util.PureJavaCrc32 not available.
13/01/13 21:59:24 INFO util.ChecksumType: Checksum can use java.util.zip.CRC32
13/01/13 21:59:24 INFO util.ChecksumType: org.apache.hadoop.util.PureJavaCrc32C not available.
13/01/13 21:59:24 DEBUG util.FSUtils: Creating file:hdfs://192.168.205.5:9000/output/part-r-00000with permission:rwxrwxrwx
13/01/13 21:59:24 WARN snappy.LoadSnappy: Snappy native library is available
13/01/13 21:59:24 INFO util.NativeCodeLoader: Loaded the native-hadoop library
13/01/13 21:59:24 INFO snappy.LoadSnappy: Snappy native library loaded
13/01/13 21:59:24 INFO compress.CodecPool: Got brand-new compressor
13/01/13 21:59:24 DEBUG hfile.HFileWriterV2: Initialized with CacheConfig:disabled
13/01/13 21:59:24 INFO compress.CodecPool: Got brand-new decompressor
SUCCESS
說明Snappy 安裝已經enable並且能夠成功loaded。
⑤ 接下來創建並操作Snappy壓縮格式的表
[root@master ~]# hbase shell HBase Shell; enter 'help<RETURN>' for list of supported commands. Type "exit<RETURN>" to leave the HBase Shell Version 0.94.2, r1395367, Sun Oct 7 19:11:01 UTC 2012 //創建表 hbase(main):001:0> create 'tsnappy', { NAME => 'f', COMPRESSION => 'snappy'} 0 row(s) in 10.6590 seconds //describe表 hbase(main):002:0> describe 'tsnappy' DESCRIPTION ENABLED {NAME => 'tsnappy', FAMILIES => [{NAME => 'f', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'NONE', REPLICATION_ true SCOPE => '0', VERSIONS => '3', COMPRESSION => 'SNAPPY', MIN_VERSIONS => '0', TTL => '2147483647', KEEP_DELETED_CE LLS => 'false', BLOCKSIZE => '65536', IN_MEMORY => 'false', ENCODE_ON_DISK => 'true', BLOCKCACHE => 'true'}]} 1 row(s) in 0.2140 seconds //put數據 hbase(main):003:0> put 'tsnappy', 'row1', 'f:col1', 'value' 0 row(s) in 0.5190 seconds //scan數據 hbase(main):004:0> scan 'tsnappy' ROW COLUMN+CELL row1 column=f:col1, timestamp=1358143780950, value=value 1 row(s) in 0.0860 seconds hbase(main):005:0>
以上所有過程均成功執行，說明Snappy 在Hadoop及HBase上配置成功~
6.如何在集群中所有節點部署
這一步就非常簡單了，尤其是如果你配置過Hadoop集群。僅需要將我們上邊所有配置過的文件，分發到所有其他節點的相應目錄即可，包括生成的/usr/lib/local下的snappy鏈接庫。