[Mahout] 完整部署过程

jiaxp

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：      

•      <dependency>  
  
•         <groupId>org.mortbay.jetty</groupId>  
  
•         <artifactId>jetty-util</artifactId>  
  
•         <scope>test</scope>  
  
•      </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