hadoop下的Pipes(用C++进行hadoop程序开发)

经过一上午的努力，终于以伪分布式模式运行了C++版的MapReduce.下面逐一介绍这一过程

一、先决条件
    1. 在Linux系统上已安装好hadoop 1.0.X版本（本人系统为CentOS5.5（64位系统），hadoop版本为1.0.3，其它系统有可能不同）
    2. 了解hadoop基本概念

二、步骤（如果已具备该步骤下的条件可以跳过该步骤）
    1.修改$HADOOP_INSTALL/conf目录下的三个文件core-site.xml, hdfs-site.xml, mapred-site.xml分别如下：

fs.default.name
hdfs://localhost/






dfs.replication
1






mapred.job.tracker
localhost:8021

    2.配置SSH（即无密码访问本机，在CentOS5下比较麻烦）【遇到的困难1】

1). 确认系统已经安装好OpenSSH的server 和client
　　安装步骤这里不再讲述，不是本文的重点。
2). 确认本机sshd的配置文件（需要root权限）
　　$ vi /etc/ssh/sshd_config
　　找到以下内容，并去掉注释符”#“
　　RSAAuthentication yes
　　PubkeyAuthentication yes
　　AuthorizedKeysFile      .ssh/authorized_keys
3).  如果修改了配置文件需要重启sshd服务 （需要root权限）
　　$ /sbin/service sshd restart
4). ssh登陆系统 后执行测试命令：
　　$ ssh localhost
　　回车会提示你输入密码，因为此时还没有生成证书
5).生成证书公私钥的步骤：
　　$ ssh-keygen -t dsa -P '' -f ~/.ssh/id_dsa
　　$ cat ~/.ssh/id_dsa.pub >> ~/.ssh/authorized_keys
6).测试登陆 ssh localhost：
　　$ ssh localhost
　　正常情况下会登陆成功，显示一些成功登陆信息，如果失败请看下面的 一般调试步骤
7).若登录失败，很有可能是authorized_keys的权限问题,添加权限
 $ chmod 600 ~/.ssh/authorized_keys
8).测试登陆 ssh localhost：（一般来说会成功！）

    3.格式化HDFS文件系统

     1)命令： hadoop namenode -format

    4.启动守护进程（dfs和mapred，需要正确设置好前面三个文件，否则易出错）

     $ start-dfs.sh
     $ start-mapred.sh

    5.编写CPP文件，源码如下：

 

#include 
#include 
#include 
#include 

#include "hadoop/Pipes.hh"
#include "hadoop/TemplateFactory.hh"
#include "hadoop/StringUtils.hh"

class MaxTemperatureMapper : public HadoopPipes::Mapper {
public:
  MaxTemperatureMapper(HadoopPipes::TaskContext& context) {
  }
  void map(HadoopPipes::MapContext& context) {
    std::string line = context.getInputValue();
    std::string year = line.substr(15, 4);
    std::string airTemperature = line.substr(87, 5);
    std::string q = line.substr(92, 1);
    if (airTemperature != "+9999" &&
        (q == "0" || q == "1" || q == "4" || q == "5" || q == "9")) {
      context.emit(year, airTemperature);
    }
  }
};

class MapTemperatureReducer : public HadoopPipes::Reducer {
public:
  MapTemperatureReducer(HadoopPipes::TaskContext& context) {
  }
  void reduce(HadoopPipes::ReduceContext& context) {
    int maxValue = INT_MIN;
    while (context.nextValue()) {
      maxValue = std::max(maxValue, HadoopUtils::toInt(context.getInputValue()));
    }
    context.emit(context.getInputKey(), HadoopUtils::toString(maxValue));
  }
};

int main(int argc, char *argv[]) {
  return HadoopPipes::runTask(HadoopPipes::TemplateFactory());
}

     6.编写Makefile文件，源码如下（注意：该文件和参考书《hadoop权威指南中文第二版》有一点区别，添加了 "-lcrypto"，将"-m32"改为"-m64"）

CC = g++
CPPFLAGS = -m64 -I$(HADOOP_INSTALL)/c++/$(PLATFORM)/include

max_temperature: max_temperature.cpp 
	$(CC) $(CPPFLAGS) $< -Wall -L$(HADOOP_INSTALL)/c++/$(PLATFORM)/lib -lhadooppipes -lcrypto -lhadooputils -lpthread -g -O2 -o $@

     7.安装gcc, g++, 标准C库

安装gcc，g++步骤
1).添加软件更新源
更新方法如下：
先进入yum源配置目录
cd /etc/yum.repos.d

备份系统自带的yum源
mv CentOS-Base.repo CentOS-Base.repo.save

下载其他更快的yum源
sudo wget http://centos.ustc.edu.cn/CentOS-Base.repo
sudo wget http://mirrors.163.com/.help/CentOS-Base-163.repo
sudo wget http://mirrors.sohu.com/help/CentOS-Base-sohu.repo

更新完yum源后，建议更新一下，使操作立即生效
yum makecache

2).安装gcc
sudo yum install gcc -y

3).安装g++(sudo yum install g++ 报告无法找到g++包,原来这个包的名字叫做gcc-c++。完整的应该是sudo yum install gcc-c++)
sudo yum install gcc-c++ -y

4).安装标准C库

sudo yum install glibc-devel -y

    8.安装openssl,命令如下

cd /usr/local/src
sudo tar zxvf openssl-0.9.8l.tar.gz
sudo cd openssl-0.9.8l
sudo ./config
sudo make
make install
sudo cp libcrypto.a /usr/local/lib
sudo cp libssl.a /usr/local/lib

    9.编译源文件，即max_temperature.cpp

     1）设置环境变量： exoprt PLATFORM=Linux-amd64-64

     2）在max_temperature.cpp所在目录下执行make命令

   10.上传文件到HDFS

     1）上传本地可执行文件max_temperature到HDFS的bin/max_temperature目录下: hadoop fs -put max_temperature bin/max_temperature

     2）上传数据到HDFS: hadoop fs -put sample.txt sample.txt

     3）sample.txt内容如下：

0067011990999991950051507004+68750+023550FM-12+038299999V0203301N00671220001CN9999999N9+00001+99999999999
0043011990999991950051512004+68750+023550FM-12+038299999V0203201N00671220001CN9999999N9+00221+99999999999
0043011990999991950051518004+68750+023550FM-12+038299999V0203201N00261220001CN9999999N9-00111+99999999999
0043012650999991949032412004+62300+010750FM-12+048599999V0202701N00461220001CN0500001N9+01111+99999999999
0043012650999991949032418004+62300+010750FM-12+048599999V0202701N00461220001CN0500001N9+00781+99999999999

    11.使用hadoop pipes命令运行作业，命令如下：

     hadoop pipes -D hadoop.pipes.java.recordreader=true -D hadoop.pipes.java.recordwriter=true -input sample.txt -output output -program bin/max_temperature

    12.查看作业执行结果：

     hadoop fs -cat output/*

     若结果为

1949    111
1950    22

    表明上述11项设置正确。（庆祝一下，...~O(∩_∩)O~...）