本帖最后由 pig2 于 2014-3-20 20:46 编辑
目的
鉴于性能问题以及某些Java类库的缺失，对于某些组件，Hadoop提供了自己的本地实现。 这些组件保存在Hadoop的一个独立的动态链接的库里。这个库在*nix平台上叫libhadoop.so. 本文主要介绍本地库的使用方法以及如何构建本地库。
组件 Hadoop现在已经有以下 compression codecs本地组件： 在以上组件中，lzo和gzip压缩编解码器必须使用hadoop本地库才能运行。 使用方法
hadoop本地库的用法很简单：
- 看一下 支持的平台.
- 下载 预构建的32位i386架构的Linux本地hadoop库（可以在hadoop发行版的lib/native目录下找到）或者自己 构建 这些库。
- 确保你的平台已经安装了zlib-1.2以上版本或者lzo2.0以上版本的软件包或者两者均已安装（根据你的需要）。
bin/hadoop 脚本通过系统属性 -Djava.library.path=<path>来确认hadoop本地库是否包含在库路径里。
检查hadoop日志文件可以查看hadoop库是否正常，正常情况下会看到：
DEBUG util.NativeCodeLoader - Trying to load the custom-built native-hadoop library...
INFO util.NativeCodeLoader - Loaded the native-hadoop library
如果出错，会看到：
INFO util.NativeCodeLoader - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
支持的平台
Hadoop本地库只支持*nix平台，已经广泛使用在GNU/Linux平台上，但是不支持 Cygwin 和 Mac OS X。
已经测试过的GNU/Linux发行版本：
在上述平台上，32/64位Hadoop本地库分别能和32/64位的jvm一起正常运行。
构建Hadoop本地库
Hadoop本地库使用 ANSI C 编写，使用GNU autotools工具链 (autoconf, autoheader, automake, autoscan, libtool)构建。也就是说构建hadoop库的平台需要有标准C的编译器和GNU autotools工具链。请参看 支持的平台。
你的目标平台上可能会需要的软件包：
如果已经满足了上述先决条件，可以使用build.xml 文件，并把其中的compile.native置为 true，这样就可以生成hadoop本地库：
$ ant -Dcompile.native=true <target>
因为不是所有用户都需要Hadoop本地库，所以默认情况下hadoop不生成该库。
你可以在下面的路径查看新生成的hadoop本地库：
$ build/native/<platform>/lib
其中<platform>是下列系统属性的组合 ${os.name}-${os.arch}-${sun.arch.data.model}；例如 Linux-i386-32。
注意
- 在生成hadoop本地库的目标平台上必须 安装了zlib和lzo开发包；但是如果你只希望使用其中一个的话，在部署时，安装其中任何一个都是足够的。
- 在目标平台上生成以及部署hadoop本地库时，都需要根据32/64位jvm选取对应的32/64位zlib/lzo软件包。
使用DistributedCache 加载本地库
用户可以通过 DistributedCache 加载本地共享库，并分发和建立库文件的符号链接。
这个例子描述了如何分发库文件并在从map/reduce任务中装载库文件。
• 首先拷贝库文件到HDFS。
bin/hadoop fs -copyFromLocal mylib.so.1 /libraries/mylib.so.1• 启动作业时包含以下代码：
DistributedCache.createSymlink(conf);
DistributedCache.addCacheFile("hdfs://host:port/libraries/mylib.so.1#mylib.so", conf);• map/reduce任务中包含以下代码：
System.loadLibrary("mylib.so");
这里要注意：DistributedCache是用来分发应用特定的只读文件和一个jar包的，以供Map-Reduce框架在启动任务和运行的时候使用这些缓冲的文件或者是把第三方jar包添加到其classpath路径中去，要注意的是DistributedCache的使用是有一个前提的，就它会认为这些通过urls来表示的文件已经在hdfs文件系统里面。
下面给出一个具体示例：
1. 配置应用程序的cache,把需要使用的文件上传到DFS中去：
1. $ bin/hadoop fs -copyFromLocal lookup.dat /myapp/
2. $ bin/hadoop fs -copyFromLocal map.zip /myapp/
3. $ bin/hadoop fs -copyFromLocal mylib.jar /myapp/
4. $ bin/hadoop fs -copyFromLocal mytar.tar /myapp/
5. $ bin/hadoop fs -copyFromLocal mytgz.tgz /myapp/
6. $ bin/hadoop fs -copyFromLocal mytargz.tar.gz /myapp/
此时Hadoop框架会把这些应用所需要的文件复制到每个准备启动的节点上去，它会把这些复制到mapred.temp.dir配置的目录中去，以供相应的Task节点使用。
这里要注意的DistriubtedCache分发的文件分成公有与私有文件，公有文件可以给HDFS中的所有用户使用，而私有文件只能被特定的用户所使用，用户可以配置上传文件的访问权限来达到这种效果。
2. 配置JobConf：
1. JobConf job = new JobConf();
2. DistributedCache.addCacheFile(new URI("/myapp/lookup.dat#lookup.dat"),job); // 这里的lookup.dat加了一个符号连接
3. DistributedCache.addCacheArchive(new URI("/myapp/map.zip", job);
4. DistributedCache.addFileToClassPath(new Path("/myapp/mylib.jar"), job); // 这里是把相应的jar包加到Task的启动路径上去
5. DistributedCache.addCacheArchive(new URI("/myapp/mytar.tar", job);
6. DistributedCache.addCacheArchive(new URI("/myapp/mytgz.tgz", job);
7. DistributedCache.addCacheArchive(new URI("/myapp/mytargz.tar.gz", job);
3. 在Mapper或者Reducer任务中使用这些文件：
1. public static class MapClass extends MapReduceBase
2. implements Mapper<K, V, K, V> {
3.
4. private Path[] localArchives;
5. private Path[] localFiles;
6.
7. public void configure(JobConf job) {
8. // Get the cached archives/files
9. localArchives = DistributedCache.getLocalCacheArchives(job); // 得到本地打包的文件，一般是数据文件，如字典文件
10. localFiles = DistributedCache.getLocalCacheFiles(job); // 得到本地缓冲的文件，一般是配置文件等
11. }
12.
13. public void map(K key, V value,
14. OutputCollector<K, V> output, Reporter reporter)
15. throws IOException {
16. // Use data from the cached archives/files here
17. // ...
18. // ...
19. output.collect(k, v);
20. }
21. }
另外，使用新的MP接口要注意的地方：
1. 我们知道，新的MP接口使用了Job这个类来对MP任务进行配置，这里使用的时候要注意一点
1. Configuration conf = new Configuration();
2. // 对conf加入配置信息 - 正确方法
3. Job job = new Job(conf,"word count");
4. // 对conf加入配置信息 - 这是有问题的，这些配置不会生效，因为这里生成Job的时候它会对conf进行复制，这个看一下Job的源代码就知道。
5. // 这里可以用job.getConfiguration()来得到其内部的conf对象，这样就不会有问题。
2. 如果你在启动MP任务之前调用了第三方jar包的类，那这就会有问题，会在启动任务的时候找不到这个类。这个问题我还没有找到好的解决办法，一个办法就是把这些类想办法移到MP任务中，如果有朋友知道更加好的办法，请告诉我一下，多谢了。我感觉Nutch中也会有同样的问题，什么时候研究一下Nutch的代码，说不定会有很多关于Hadoop方面的收获。
--------------------------------------------------------------------------------------------------------------------------
hadoop本地库与系统版本不一致引起的错误解决方法
部署hadoop的集群环境为
操作系统 centos 5.8
hadoop版本为cloudera hadoop-0.20.2-cdh3u3
集群中设置支持gzip lzo压缩后，在对压缩文件进行读取或者对输入文件压缩的时候要使用到hadoop的本地库，本地库的默认位置在
$HADOOP_HOME/lib/native/Linux-amd64-64 (64位操作系统)
$HADOOP_HOME/lib/native/Linux-i386-32 （32位操作系统）
文件夹中的libhadoop.so文件，就是hadoop的本地库。
如果本地库不存在，或者本地库与当前操作系统的版本不一致的时候，会报下面的错误：
11/09/20 17:29:49 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform… using builtin-java classes where applicable
增加调试信息设置
$ export HADOOP_ROOT_LOGGER=DEBUG,console
$ hadoop fs -text /test/data/origz/access.log.gz
2012-04-24 15:55:43,269 WARN org.apache.hadoop.util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
error libhadoop.so /lib64/libc.so.6 required (libc 2.6) /usr/local/hadoop/lib/native/Linux-amd64-64
说明系统中的glibc的版本和libhadoop.so需要的版本不一致导致
查看系统的libc版本
# ll /lib64/libc.so.6
lrwxrwxrwx 1 root root 11 Apr 24 16:49 /lib64/libc.so.6 -> libc-2.5.so
系统中的版本为2.5
将系统中的glibc升级为2.9
下载glibc
wget http://ftp.gnu.org/gnu/glibc/glibc-2.9.tar.bz2
下载glibc-linuxthreads
wget http://ftp.gnu.org/gnu/glibc/glibc-linuxthreads-2.5.tar.bz2
解压
$tar -jxvf glibc-2.9.tar.bz2
$cd glibc-2.9
$tar -jxvf ../glibc-linuxthreads-2.5.tar.bz2
$cd ..
$export CFLAGS="-g -O2"
$./glibc-2.9/configure --prefix=/usr --disable-profile --enable-add-ons --with-headers=/usr/include --with-binutils=/usr/bin
$make
#make install
安装编译过程中需要注意三点：
1、要将glibc-linuxthreads解压到glibc目录下。
2、不能在glibc当前目录下运行configure。
3、加上优化开关，export CFLAGS="-g -O2"，否则会出现错误
安装完后，可以查看ls -l /lib/libc.so.6已升级
lrwxrwxrwx 1 root root 11 Apr 24 16:49 /lib64/libc.so.6 -> libc-2.9.so
测试本地库是否升级
$ export HADOOP_ROOT_LOGGER=DEBUG,console
$ hadoop fs -text /test/data/origz/access.log.gz
12/04/25 08:54:47 INFO lzo.LzoCodec: Successfully loaded & initialized native-lzo library [hadoop-lzo rev 6bb1b7f8b9044d8df9b4d2b6641db7658aab3cf8]
12/04/25 08:54:47 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
12/04/25 08:54:47 INFO util.NativeCodeLoader: Loaded the native-hadoop library
12/04/25 08:54:47 INFO zlib.ZlibFactory: Successfully loaded & initialized native-zlib library
12/04/25 08:54:47 DEBUG fs.FSInputChecker: DFSClient readChunk got seqno 0 offsetInBlock 0 lastPacketInBlock false packetLen 132100
可以看到将glibc升级后不再报错，已经成功加载本地库
-------------------------------------------------------------------------------------------------------------------------------------------------另外一例：错误都是一样，可以从中学到解决问题的方法
用官方的Hadoop 2.1.0-beta安装后，每次hadoop命令进去都会抛出这样一个Warning
WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
设置logger级别，看下具体原因
export HADOOP_ROOT_LOGGER=DEBUG,console
1. 13/08/29 13:59:38 DEBUG util.NativeCodeLoader: Trying to load the custom-built native-hadoop library...
2. 13/08/29 13:59:38 DEBUG util.NativeCodeLoader: Failed to load native-hadoop with error: java.lang.UnsatisfiedLinkError: /usr/local/hadoop/hadoop-2.1.0-beta/lib/native/libhadoop.so.1.0.0: /usr/local/hadoop/hadoop-2.1.0-beta/lib/native/libhadoop.so.1.0.0: wrong ELF class: ELFCLASS32 (Possible cause: architecture word width mismatch)
3. 13/08/29 13:59:38 DEBUG util.NativeCodeLoader: java.library.path=/usr/local/hadoop/hadoop-2.1.0-beta/lib/native/Linux-amd64-64:/usr/local/hadoop/hadoop-2.1.0-beta/lib/native
4. 13/08/29 13:59:38 WARN util.NativeCodeLoader: Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
wrong ELFCLASS32，难道是加载的so文件系统版本不对
执行命令file libhadoop.so.1.0.0
libhadoop.so.1.0.0: ELF 32-bit LSB shared object, Intel 80386, version 1 (SYSV), dynamically linked, not stripped
果然是80386，是32位的系统版本，而我的hadoop环境是64位OS
原来直接从apache镜像中下载的编译好的Hadoop版本native library都是32版本的，如果要支持64位版本，必须自己重新编译，这就有点坑爹了，要知道几乎所有的生产环境都是64位的OS
YARN官方对于native library的一段话验证了这一点
“The pre-built 32-bit i386-Linux native hadoop library is available as part of the hadoop distribution and is located in the lib/native directory”
重新checkout source code
svn checkout http://svn.apache.org/repos/asf/ ... release-2.1.0-beta/ 加上编译native的选项，编译时会根据当前的操作系统架构来生产相应的native库
mvn package -Pdist,native -DskipTests -Dtar
再去native文件下查看所有的file type，已经都是64位版的了，替换线上文件，WARNING消除
1. file *
2. libhadoop.a: current ar archive
3. libhadooppipes.a: current ar archive
4. libhadoop.so: symbolic link to `libhadoop.so.1.0.0'
5. libhadoop.so.1.0.0: ELF 64-bit LSB shared object, x86-64, version 1 (GNU/Linux), dynamically linked, not stripped
6. libhadooputils.a: current ar archive
7. libhdfs.a: current ar archive
8. libhdfs.so: symbolic link to `libhdfs.so.0.0.0'
9. libhdfs.so.0.0.0: ELF 64-bit LSB shared object, x86-64, version 1 (GNU/Linux), dynamically linked, not stripped
| 
