Flume lzo压缩输出至 hadoop

 

1. Hadoop 支持lzo压缩依赖：  

lzo：Unix/linux系统默认没有lzo的 库，因此需要安装，sudo yum install lzo-devel.x86_64 

       sudo yum install lzo.x86_64          sudo yum install lzop.x86_64

 

2. 准备maven,ant,gcc 等

3. 编译hadoop-lzo

  从https://github.com/twitter/hadoop-lzo 下载，解压进入目录， mvn clean package

 在 target 下 hadoop-lzo-0.4.20-SNAPSHOT.jar    target/native/Linux-amd64-64/lib 下有 libgplcompression 库

 jar包拷贝到hadoop lib目录下， gplcompression库拷贝到lib/native/Linux-amd64-64/lib下

  在hadoop客户端或者各个节点，不需要都安装lzo库，可以直接把lzo库拷贝到 hadoop 下的 lib/native/Linux-amd64-64/lib下

  

总结：编译hadoop-lzo ，lzo-devl库同样不能少。

 

4. 修改hadoop 客户端配置文件（我们只需要在使用flume的机器上配置）

   http://heylinux.com/archives/2078.html

5. hadoop 运行时候会报找不到本地库，这时候需要编译hadoop 带上native 参数，生成libhadoop.so等文件，并考入lib/native/Linxuamd64等目录，并设置相关环境变量，mapred-site.xml还是hadoop-env文件

 

 //补充，lzo动态库也要拷贝到hadoop得lib/native/Linux-amd64-64/lib 下，  在启动时候还出现 java.lang.UnsatisfiedLinkError: no gplcompression in java.library.path 错误：

Java常用的两个PATH：CLASSPATH和java.library.path

CLASSPATH：指定JVM查找类文件的目录或jar

java.library.path：指定JVM查找动态连接库的目录（*.dll,*.so,*.dylib）

解决办法：

1.LINUX下的通过添加系统变量LD_LIBRARY_PATH来添加java.library.path

2.在启动Java进程时添加vm arguments：-Djava.library.path= /usr/local/lib

 或者：

$hadoop_home/etc/hadoop/hadoop-env.sh 文件中增加如即可:

export JAVA_LIBRARY_PATH=$hadoop_home/lib/native/Linux-amd64-64/lib

在hadoop-0.20.205版本中处了该错误外，还有一个错误，就是找不到lzo的jar包，这是因为他们家在classpath的方法有了变更，默认不会把$hadoop_home/lib目录下的所有jar包都加载，所以在/etc/hadoop-env.sh中增加如下代码即可解决：export  HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$hadoop_home/lib/hadoop-lzo.jar

 

 

6. hadoop-lzo 的README.MD 文件,以及 http://blog.cloudera.com/blog/2009/11/hadoop-at-twitter-part-1-splittable-lzo-compression/