在Hadoop集群上运行R程序--安装RHadoop

鉴客 发布于 2013/01/06 11:44
阅读 3K+
收藏 10

RHadoop是由Revolution Analytics发起的一个开源项目,它可以将统计语言R与Hadoop结合起来。目前该项目包括三个R packages,分别为支持用R来编写MapReduce应用的rmr、用于R语言访问HDFS的rhdfs以及用于R语言访问HBASE的rhbase。

下载网址为https://github.com/RevolutionAnalytics/RHadoop/wiki/Downloads。 

说明:下面的记录是在安装成功后的总结,中间的过程描述及解决方法可能并不精确(用红色进行了标记),仅供参考。服务器操作系统为centos 5.6。

一、软件版本

R 2.13.1、Hadoop集群(CDH3)、JDK1.6。

二、安装节点
其中rhbase和rhdfs在Hadoop集群的namenode上安装即可,而rmr则需要在集群上的每一个节点上安装。

三、安装
由于网络限制,只能先将源文件下载到本地,然后通过shell命令R CMD INSTALL ‘package_name’来安装。

a)        

首先安装rhdfs。该包依赖于包
rJava。所以还需要先下载rJava的源代码并安装。

R CMD INSTALL ‘rJava_0.9-3.tar.gz’
R CMD INSTALL ‘rhdfs_1.0.1.tar.gz’ 
 
在执行安装rJava时,可能会失败,提示错误信息“checking whether JNI programs can be compiled...
configure: error: Cannot compile a simple JNI program. See
config.log for details.”,这可能是由于jdk的版本问题造成的,建议安装jdk1.6。

b)        
安装rmr。该包依赖于包RJSONIO、
itertools
、digest,而包itertools
又依赖于iterators。

R CMD INSTALL ‘iterators_1.0.5.tar.gz’
R CMD INSTALL ‘itertools_0.1-1.tar.gz’
R CMD INSTALL ‘RJSONIO_0.96-0.tar.gz’
R CMD INSTALL ‘digest_0.5.1.tar.gz’
R CMD INSTALL ‘rmr_1.1.tar.gz’

c)        

安装rhbase(参见https://github.com/RevolutionAnalytics/RHadoop/wiki/rhbase)。在安装rhbase之前,还需要安装Thrift库,建议安装Thrift 0.6.1版本,下载网址为http://thrift.apache.org/。详细的安装步骤如下:                         
i.             
在centos系统下输入shell命令sudo yum install automake libtool
flex bison pkgconfig gcc-c++ boost-devel libevent-devel lib-devel
python-devel ruby-devel,安装一些Thrift相关的工具或库。由于网络连接的问题,在尝试的时候并不能完全安装,个人觉得也没有必要完全安装,只需保证g++ 3.3.5以上版本、boost 1.33.1以上版本即可。 

           
ii.             
解压并安装Thrift。

       tar -zvxf thrift-0.6.1.tar.gz
cd thrift-0.6.1
./configure --with-boost=/usr/include/boost JAVAC=/usr/jdk1.6/bin/javac
make make
install

 其中—with-boost及JAVAC的值根据服务器的实际情况进行修改(不确定javac的设置是不是必须的)。                    
iii.             

设置环境变量PKG_CONFIG_PATH。 
在/etc/profile中输入

export PKG_CONFIG_PATH=$PKG_CONFIG_PATH:/usr/local/lib/pkgconfig/(并通过命令souce
/etc/profile命令使得环境变量生效)。之后输入shell命令pkg-config --cflags
thrift
验证pkg-config路径是否设置正确,返回结果若为-I/usr/local/include/thrift则表示成功。                      
iv.             

复制library文件。

cp
/usr/local/lib/libthrift.so.0 /usr/lib                      
v.             

安装rhbase。

R CMD INSTALL
'rhbase_1.0.1.tar.gz'

四、验证并测试
在R命令行中输入library(rmr)、library(rhdfs)、library(rhbase),载入成功即表示安装成功
 
测试用例:利用mapreduce实现和函数sapply相同的功能。

普通R代码

groups = rbinom(32, n = 50, prob = 0.4) tapply(groups, groups, length)

 利用mapreduce实现的R代码:
 groups =
to.dfs(groups)(为保证相同的数据,仍然利用了之前的groups)

from.dfs(mapreduce(input = groups, map = function(k,v)
keyval(v, NULL), reduce = function(k,vv) keyval(k,
length(vv))))

五、更多参考网址:

https://github.com/RevolutionAnalytics/RHadoop/wiki/Tutorial 
https://github.com/RevolutionAnalytics/RHadoop/wiki/Writing-composable-mapreduce-jobs
 
https://github.com/RevolutionAnalytics/RHadoop/wiki/Efficient-rmr-techniques

原文出处:http://blog.sina.com.cn/s/blog_6caea8bf0100zbe5.html

加载中
返回顶部
顶部