用hadoop中的libhdfs和fuse-dfs构建快速云存储

安装版本：

OS版本：CentOS 5.4

Hadoop版本：0.20.203.0

gcc：系统默认4.1.2

Jdk：1.6.0.21

FUSE：2.7.4

环境需求：

automake，autoconf，m4，libtool，pkgconfig，fuse，fuse-devel，fuse-libs。

需要外部下载ant 1.8.2，在apache网站下载即可

安装过程：

#wget http://mirror.bjtu.edu.cn/apache//ant/binaries/apache-ant-1.8.2-bin.zip
#unzip apache-ant-1.8.2-bin.zip
#export JAVA_HOME=/usr/java/jdk1.6.0_21
#export HADOOP_HOME=/opt/modules/hadoop/hadoop-0.20.203.0
#export OS_ARCH=amd64
###i386/amd64
#export OS_BIT=64
###32/64
#export ANT_HOME=/root/apache-ant-1.8.2
#export PATH=$PATH:$ANT_HOME/bin
#export LD_LIBRARY_PATH=$JAVA_HOME/jre/lib/$OS_ARCH/server:${HADOOP_HOME}/build/c++/Linux-$OS_ARCH-$OS_BIT/lib:/usr/local/lib:/usr/lib

#yum -y install fuse fuse-devel fuse-libs
#modprobe fuse
####设置环境变量，也可写入profile####

红字部分为其上只变量的选项，根据服务器操作系统版本进行变更。

一、编译libhdfs

然后进入hadoop安装路径运行以下命令

#/root/apache-ant-1.8.2/bin/ant compile-c++-libhdfs -Dlibhdfs=1 -Dcompile.c++=1
#ln -s c++/Linux-$OS_ARCH-$OS_BIT/lib build/libhdfs

这一步是编译libhdfs，因为libhdfs需要交叉编译，直接到src里面编译会报错，所以需要用ant编译。注意OS_ARCH和OS_BIT必须设置，否则会失败。

二、编译fuse-dfs

hadoop 0.20.203.0版本中fuse存在一个bug，需要先修改掉才能继续编译。

打开$HADOOP_HOME/src/contrib/fuse-dfs/src/fuse_connect.c

找到
hdfsFS fs = hdfsConnectAsUser(hostname, port, user, (const char **)groups, numgroups);

修改为
hdfsFS fs = hdfsConnectAsUser(hostname, port, user);

然后运行编译
#/root/apache-ant-1.8.2/bin/ant compile-contrib -Dlibhdfs=1 -Dfusedfs=1

如果编译失败，比较可能的原因是找不到libhdfs，请参看第一步的ln -s。

三、环境配置

然后编辑/etc/fuse.conf，写入以下内容

user_allow_other
mount_max=100

编辑$HADOOP_HOME/build/contrib/fuse-dfs/fuse_dfs_wrapper.sh

if [ "$HADOOP_HOME" = "" ]; then
export HADOOP_HOME=/opt/modules/hadoop/hadoop-0.20.203.0
fi

export PATH=$HADOOP_HOME/build/contrib/fuse_dfs:$PATH

for f in ls $HADOOP_HOME/lib/*.jar $HADOOP_HOME/*.jar ; do
export    CLASSPATH=$CLASSPATH:$f
done

if [ "$OS_ARCH" = "" ]; then
export OS_ARCH=amd64
fi

if [ "$JAVA_HOME" = "" ]; then
export    JAVA_HOME=/usr/java/jdk1.6.0_21
fi

if [ "$LD_LIBRARY_PATH" = "" ]; then
export LD_LIBRARY_PATH=$JAVA_HOME/jre/lib/$OS_ARCH/server:/usr/local/share/hdfs/libhdfs/:/usr/local/lib
fi

./fuse_dfs $@

然后我的整体环境变量如下

#注意下面的用户，尽量不要用root
[ hadoop@collect-wzlink-205 fuse-dfs]$export
declare -x G_BROKEN_FILENAMES="1"
declare -x HISTSIZE="1000"
declare -x HOME="/home/hadoop"
declare -x INPUTRC="/etc/inputrc"
declare -x LANG="en_US.UTF-8"
declare -x LESSOPEN="|/usr/bin/lesspipe.sh %s"
declare -x LOGNAME="hadoop"
declare -x LS_COLORS="no=00:fi=00:di=01;34:ln=01;36:pi=40;33:so=01;35:bd=40;33;01:cd=40;33;01:or=01;05;37;41:mi=01;05;37;41:ex=01;32:*.cmd=01;32:*.exe=01;32:*.com=01;32:*.btm=01;32:*.bat=01;32:*.sh=01;32:*.csh=01;32:*.tar=01;31:*.tgz=01;31:*.arj=01;31:*.taz=01;31:*.lzh=01;31:*.zip=01;31:*.z=01;31:*.Z=01;31:*.gz=01;31:*.bz2=01;31:*.bz=01;31:*.tz=01;31:*.rpm=01;31:*.cpio=01;31:*.jpg=01;35:*.gif=01;35:*.bmp=01;35:*.xbm=01;35:*.xpm=01;35:*.png=01;35:*.tif=01;35:"
declare -x MAIL="/var/spool/mail/root"
declare -x OLDPWD="/opt/modules/hadoop/hadoop-0.20.203.0/build/contrib"
declare -x PATH="/usr/kerberos/sbin:/usr/kerberos/bin:/usr/local/sbin:/usr/local/bin:/sbin:/bin:/usr/sbin:/usr/bin:/root/bin"
declare -x PWD="/opt/modules/hadoop/hadoop-0.20.203.0/build/contrib/fuse-dfs"
declare -x SHELL="/bin/bash"
declare -x SHLVL="2"
declare -x TERM="linux"
declare -x USER="hadoop"

然后尝试mount

$mkdir /tmp/dfs
$cd $HADOOP_HOME/build/contrib/fuse-dfs
$./fuse_dfs_wrapper.sh dfs://hadoopmaster:9000 /tmp/dfs
port=9000,server=hadoopmaster
fuse-dfs didn't recognize /tmp/dfs,-2(这个问题目前不知如何解决，但不影响使用。)

写出来觉得很简单，其实中间遇到了很多问题。

四、主要问题

1.编译libhdfs，centos5.4默认是ant 1.6.2，结果没编译成功，下载了新版的1.8.2才编译成功

2.编译fuse-dfs，一定要写 ln -s c++/Linux-$OS_ARCH-$OS_BIT/lib build/libhdfs，否则就算你把libhdfs.so.0放到/usr/lib或者/usr/local/lib下，也照样会报找不到文件。

3.环境变量一定要设置齐全，否则会有很多莫名其妙的错误。

4.fuse启动过程中，可能会出现mount --no-canonicalize的一个错误，这个问题，对不起，目前我还无解，搞了大半天没搞出来，直接换了台服务器，正常了。

5.fuse启动过程中，出现找不到libjvm.so，需要设置CLASSPATH到jdk的tools.jar，lib/之类的

6.mount可能会出现fusermount: mount failed: Operation not permitted

用root将/bin/fusermount和/usr/bin/fusermount用chmod 4777改掉。

7.其他问题可以在tail -f /var/log/messages | grep fuse查看

8.fuse-dfs的debug启动，后面加-d

这样mount的结果是，把HDFS当成本地硬盘使用，速度还是非常可以的。

再一个好处是文件在HDFS里面会保存3份，互为冗余，不会出现文件丢失的现象。

还有个就是访问速度快，HADOOP会将多个服务器上的数据拼成完整数据返回给用户，而服务器越多，每台服务器的访问量就越少，速度就越快。

如果数据交换量大，可以采用我之前写过的多网卡绑定方案增加服务器之间的数据交换。