hadoop2.0 lzo压缩的安装和配置

ifuleyou

　　lzo压缩格式有很快的压缩/解压速度和合理的压缩率，并且支持分块(split)，所以lzo是目前在hadoop中最流行的压缩格式。hadoop中的lzo不是自带的，如果要支持lzo，需要另外安装。本文介绍了在hadoop2.0上安装和配置lzo，同样也适用于hadoop1.0。
1 安装linux的lzo库
　　需要在集群的每一个节点都安装lzo库，假定都64位的机器。
　　在http://rpm.pbone.net/index.php3/stat/4/idpl/12088286/dir/redhat_el_5/com/lzo2-2.02-3.el5.rf.x86_64.rpm.html下载rpm包lzo2-2.02-3.el5.rf.x86_64.rpm 并安装
sudo rpm -ivh lzo2-2.02-3.el5.rf.x86_64.rpm　　在http://rpm.pbone.net/index.php3/stat/4/idpl/18007725/dir/redhat_el_5/com/lzo-devel-2.06-1.el5.rf.x86_64.rpm.html下载rpm包lzo-devel-2.06-1.el5.rf.x86_64.rpm并安装
sudo rpm -ivh lzo-devel-2.06-1.el5.rf.x86_64.rpm　　在http://pkgs.repoforge.org/lzop/下载rpm包lzop-1.03-1.el5.rf.x86_64.rpm并安装
sudo rpm -ivh lzop-1.03-1.el5.rf.x86_64.rpm　　lzop是一个linux下的lzo压缩命令行工具，方便大家在linux下压缩lzo文件，不是必需的。
2 安装hadoop-lzo包
　　可以下载kevinweil的hadoop-lzo项目，下载地址：https://github.com/kevinweil/hadoop-lzo
　　也可以下载twitter的hadoop-lzo项目，下载地址：https://github.com/twitter/hadoop-lzo/
　　twitter的一直在更新和维护，建议下载twitter的
wget https://github.com/twitter/hadoop-lzo/archive/master.zip --no-check-certificate  -O master.zip　　下载之后解压
upzip master.zip　　解压之后是一个目录hadoop-lzo-master
　　可以修改目录hadoop-lzo-master里的pom.xml,把hadoop.current.version的属性从hadoop2.1.0-beta改为Hadoop 2.2.0(这个不修改也没有问题，不过还是建议改一下)
　　64位环境的需要设置两个环境变量：
export CFLAGS=-m64　　
export CXXFLAGS=-m64
　　然后就可以用maven编译了
cd hadoop-lzo-master　　
mvn clean package -Dmaven.test.skip=true
　　注意：如果前面的linux lzo库没有安装在标准目录下，在用maven编译前需要设置C_INCLUDE_PATH和LIBRARY_PATH这两个环境变量，指出lzo的头文件和库文件在哪个目录，如：
export C_INCLUDE_PATH=/usr/local/lzo-2.06/include　　
export LIBRARY_PATH=/usr/local/lzo-2.06/lib
　　编译好之后把编译出来的本地库和jar包hadoop-lzo-0.4.18-SNAPSHOT.jar拷贝到相应的目录，并拷贝到集群的每一个节点上的相应的目录。
cp target/native/Linux-amd64-64/* $HADOOP_HOME/lib/native/　　
cp target/hadoop-lzo-0.4.20-SNAPSHOT.jar  $HADOOP_HOME/share/hadoop/mapreduce/lib/
3 修改hadoop的配置文件core-site.xml
　　修改/增加以下2个参数：
　　io.compression.codecs
　　org.apache.hadoop.io.compress.GzipCodec,
　　org.apache.hadoop.io.compress.DefaultCodec,
　　org.apache.hadoop.io.compress.BZip2Codec,
　　com.hadoop.compression.lzo.LzoCodec,
　　com.hadoop.compression.lzo.LzopCodec
　　
　　

　　

　　io.compression.codec.lzo.class
　　com.hadoop.compression.lzo.LzoCodec
　　

4 hadoop客户机lzo的安装和配置
　　和hadoop服务器的机器上的安装和配置一样。
5 测试
　　可以运行以下hdfs命令看是否成功
$HADOOP_HOME/bin/hdfs dfs -text /path/to/file.lzo　　运行一个以lzo文件为输入的作业是否运行成功
6 实战tips
　　在hadoop2.0中，把maven编译好的jar包hadoop-lzo-0.4.20-SNAPSHOT.jar拷贝到 $HADOOP_HOME/share/hadoop/mapreduce/lib/或者$HADOOP_HOME/share/hadoop/mapreduce/目录下，不需要重启hadoop集群。
参考资料：
　　https://github.com/twitter/hadoop-lzo
　　https://github.com/kevinweil/hadoop-lzo
　　http://www.cloudera.com/blog/2009/11/17/hadoop-at-twitter-part-1-splittable-lzo-compression/
　　http://code.google.com/p/hadoop-gpl-compression