草庐IT

hadoop - 如何让 Pig 使用 lzo 文件？

coder 2024-01-05 原文

因此，我已经在网上看到了几个关于此的教程，但每个教程似乎都说要做一些不同的事情。此外，它们中的每一个似乎都没有具体说明您是要让事情在远程集群上运行，还是要在本地与远程集群交互，等等......

就是说，我的目标只是让我的本地计算机(一台 mac)让 pig 处理存在于 Hadoop 集群上的 lzo 压缩文件，该集群已经设置为可以处理 lzo 文件。我已经在本地安装了 Hadoop，可以使用 hadoop fs -[command] 从集群中获取文件。

我也已经在本地安装了 pig，并在我运行脚本或通过 grunt 运行东西时与 hadoop 集群通信。我可以很好地加载和播放非 lzo 文件。我的问题只是找出一种加载 lzo 文件的方法。也许我可以通过集群的 ElephantBird 实例来处理它们？我不知道，在网上只找到了很少的信息。

因此，任何类型的简短教程或答案都很棒，并且希望能帮助更多人，而不仅仅是我。

最佳答案

我最近开始使用它并为我的同事编写了一个 wiki。这是一个详细说明如何让 PIG 与 lzos 一起工作的摘录。希望这对某人有帮助!

注意:这是为 Mac 编写的。其他操作系统的步骤几乎相同，这绝对应该为您提供在 Windows 或 Linux 上配置所需的知识，但您需要进行一些推断(显然，将以 Mac 为中心的文件夹更改为您的任何操作系统)重新使用等...)。

连接 PIG 以便能够与 LZO 一起工作

到目前为止，这对我来说是最烦人和最耗时的部分 -- 不是因为它很难，而是因为在线有 50 种不同的教程，但没有一个是很有帮助的。无论如何，我为使它正常工作所做的是:

  1. 从 github 克隆 hadoop-lzo https://github.com/kevinweil/hadoop-lzo .

  2. 编译它以获得 hadoop-lzo*.jar 和本地 *.o 库。你需要编译 这在 64 位机器上。

  3. 将 native 库复制到 $HADOOP_HOME/lib/native/Mac_OS_X-x86_64-64/。

  4. 将 java jar 复制到 $HADOOP_HOME/lib 和 $PIG_HOME/lib

  5. 然后将 hadoop 和 pig 配置为具有属性 java.library.path 指向 lzo native 库。您可以在 $HADOOP_HOME/conf/mapred-site.xml 中执行此操作:

    <property>
    <name>mapred.child.env</name>
    <value>JAVA_LIBRARY_PATH=$HADOOP_HOME/lib/native/Mac_OS_X-x86_64-64/</value>
</property>

  6. 现在再次运行 pig 来尝试 grunt shell，并确保一切正常。如果没有，您可能搞砸了 mapred-site.xml 中的某些内容，您应该仔细检查它。

  7. 太棒了!我们快要到了。您现在需要做的就是安装 elephant-bird。你可以从 https://github.com/kevinweil/elephant-bird 得到它(克隆它)。

  8. 现在，为了让 elephant-bird 工作，您需要一些先决条件。这些列在上面提到的页面上，可能会更改，所以我不会在这里指定它们。我要提到的是这些版本非常重要。如果你得到一个不正确的版本并尝试运行 ant，你将得到错误。所以，不要尝试从 brew 或 macports 获取先决条件，因为你可能会得到更新的版本。相反，只需下载压缩包并为每个构建。

  9. 命令:在 elephant-bird 文件夹中使用 ant 来创建一个 jar。

  10. 为简单起见，将您需要经常注册的所有相关 jar(hadoop-lzo-x.x.x.jar 和 elephant-bird-x.x.x.jar)移动到您可以轻松找到它们的地方。/usr/local/lib/hadoop/... 运行良好。

  11. 尝试一下!尝试在 grunt shell 中加载普通文件和 lzos。注册上面提到的相关 jar，尝试加载一个文件，将输出限制在一个可管理的数量，然后转储它。无论您使用的是普通文本文件还是 lzo，这都应该可以正常工作。

关于hadoop - 如何让 Pig 使用 lzo 文件？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/7277621/

hadoopPigsectionliapache-piglzo

有关hadoop - 如何让 Pig 使用 lzo 文件？的更多相关文章

  1. ruby - 如何使用 Nokogiri 的 xpath 和 at_xpath 方法 - 2

    我正在学习如何使用Nokogiri，根据这段代码我遇到了一些问题:require'rubygems'require'mechanize'post_agent=WWW::Mechanize.newpost_page=post_agent.get('http://www.vbulletin.org/forum/showthread.php?t=230708')puts"\nabsolutepathwithtbodygivesnil"putspost_page.parser.xpath('/html/body/div/div/div/div/div/table/tbody/tr/td/div

  2. ruby - 如何从 ruby​​ 中的字符串运行任意对象方法？ - 2

    总的来说，我对ruby​​还比较陌生，我正在为我正在创建的对象编写一些rspec测试用例。许多测试用例都非常基础，我只是想确保正确填充和返回值。我想知道是否有办法使用循环结构来执行此操作。不必为我要测试的每个方法都设置一个assertEquals。例如:describeitem,"TestingtheItem"doit"willhaveanullvaluetostart"doitem=Item.new#HereIcoulddotheitem.name.shouldbe_nil#thenIcoulddoitem.category.shouldbe_nilendend但我想要一些方法来使用

  3. ruby - 使用 RubyZip 生成 ZIP 文件时设置压缩级别 - 2

    我有一个Ruby程序，它使用rubyzip压缩XML文件的目录树。gem。我的问题是文件开始变得很重，我想提高压缩级别，因为压缩时间不是问题。我在rubyzipdocumentation中找不到一种为创建的ZIP文件指定压缩级别的方法。有人知道如何更改此设置吗？是否有另一个允许指定压缩级别的Ruby库？ 最佳答案 这是我通过查看ruby​​zip内部创建的代码。level=Zlib::BEST_COMPRESSIONZip::ZipOutputStream.open(zip_file)do|zip|Dir.glob("**/*")d

  4. ruby - 为什么我可以在 Ruby 中使用 Object#send 访问私有(private)/ protected 方法？ - 2

    类classAprivatedeffooputs:fooendpublicdefbarputs:barendprivatedefzimputs:zimendprotecteddefdibputs:dibendendA的实例a=A.new测试a.foorescueputs:faila.barrescueputs:faila.zimrescueputs:faila.dibrescueputs:faila.gazrescueputs:fail测试输出failbarfailfailfail.发送测试[:foo,:bar,:zim,:dib,:gaz].each{|m|a.send(m)resc

  5. ruby-on-rails - 使用 Ruby on Rails 进行自动化测试 - 最佳实践 - 2

    很好奇，就使用ruby​​onrails自动化单元测试而言，你们正在做什么？您是否创建了一个脚本来在cron中运行rake作业并将结果邮寄给您？git中的预提交Hook？只是手动调用？我完全理解测试，但想知道在错误发生之前捕获错误的最佳实践是什么。让我们理所当然地认为测试本身是完美无缺的，并且可以正常工作。下一步是什么以确保他们在正确的时间将可能有害的结果传达给您？ 最佳答案 不确定您到底想听什么，但是有几个级别的自动代码库控制:在处理某项功能时，您可以使用类似autotest的内容获得关于哪些有效，哪些无效的即时反馈。要确保您的提

  6. ruby - 在 Ruby 中使用匿名模块 - 2

    假设我做了一个模块如下:m=Module.newdoclassCendend三个问题:除了对m的引用之外，还有什么方法可以访问C和m中的其他内容？我可以在创建匿名模块后为其命名吗(就像我输入“module...”一样)？如何在使用完匿名模块后将其删除，使其定义的常量不再存在？ 最佳答案 三个答案:是的，使用ObjectSpace.此代码使c引用你的类(class)C不引用m:c=nilObjectSpace.each_object{|obj|c=objif(Class===objandobj.name=~/::C$/)}当然这取决于

  7. ruby - 其他文件中的 Rake 任务 - 2

    我试图在一个项目中使用rake，如果我把所有东西都放到Rakefile中，它会很大并且很难读取/找到东西，所以我试着将每个命名空间放在lib/rake中它自己的文件中，我添加了这个到我的rake文件的顶部:Dir['#{File.dirname(__FILE__)}/lib/rake/*.rake'].map{|f|requiref}它加载文件没问题，但没有任务。我现在只有一个.rake文件作为测试，名为“servers.rake”，它看起来像这样:namespace:serverdotask:testdoputs"test"endend所以当我运行rakeserver:testid时

  8. ruby-on-rails - 在 Rails 中将文件大小字符串转换为等效千字节 - 2

    我的目标是转换表单输入，例如“100兆字节”或“1GB”，并将其转换为我可以存储在数据库中的文件大小(以千字节为单位)。目前，我有这个:defquota_convert@regex=/([0-9]+)(.*)s/@sizes=%w{kilobytemegabytegigabyte}m=self.quota.match(@regex)if@sizes.include?m[2]eval("self.quota=#{m[1]}.#{m[2]}")endend这有效，但前提是输入是倍数(“gigabytes”，而不是“gigabyte”)并且由于使用了eval看起来疯狂不安全。所以，功能正常，

  9. ruby - 使用 ruby​​ 和 savon 的 SOAP 服务 - 2

    我正在尝试使用ruby​​和Savon来使用网络服务。测试服务为http://www.webservicex.net/WS/WSDetails.aspx?WSID=9&CATID=2require'rubygems'require'savon'client=Savon::Client.new"http://www.webservicex.net/stockquote.asmx?WSDL"client.get_quotedo|soap|soap.body={:symbol=>"AAPL"}end返回SOAP异常。检查soap信封，在我看来soap请求没有正确的命名空间。任何人都可以建议我

  10. python - 如何使用 Ruby 或 Python 创建一系列高音调和低音调的蜂鸣声？ - 2

    关闭。这个问题是opinion-based.它目前不接受答案。想要改进这个问题？更新问题，以便editingthispost可以用事实和引用来回答它.关闭4年前。Improvethisquestion我想在固定时间创建一系列低音和高音调的哔哔声。例如:在150毫秒时发出高音调的蜂鸣声在151毫秒时发出低音调的蜂鸣声200毫秒时发出低音调的蜂鸣声250毫秒的高音调蜂鸣声有没有办法在Ruby或Python中做到这一点？我真的不在乎输出编码是什么(.wav、.mp3、.ogg等等)，但我确实想创建一个输出文件。

随机推荐