8

Amazon EMRでPydoopをどのように使用しますか?

私はこのトピックをグーグルで調べてみましたが無駄になりました:それは可能ですか?

4

2 に答える 2

8

私はついにこれを機能させました。すべてがマスターノードで発生します...ユーザーhadoopとしてそのノードにsshします

いくつかのパッケージが必要です:

sudo easy_install argparse importlib
sudo apt-get update
sudo apt-get install libboost-python-dev

ものを構築するには:

wget http://apache.mirrors.pair.com/hadoop/common/hadoop-0.20.205.0/hadoop-0.20.205.0.tar.gz
wget http://sourceforge.net/projects/pydoop/files/Pydoop-0.6/pydoop-0.6.0.tar.gz
tar xvf hadoop-0.20.205.0.tar.gz
tar xvf pydoop-0.6.0.tar.gz

export JAVA_HOME=/usr/lib/jvm/java-6-sun 
export JVM_ARCH=64 # I assume that 32 works for 32-bit systems
export HADOOP_HOME=/home/hadoop
export HADOOP_CPP_SRC=/home/hadoop/hadoop-0.20.205.0/src/c++/
export HADOOP_VERSION=0.20.205
export HDFS_LINK=/home/hadoop/hadoop-0.20.205.0/src/c++/libhdfs/

cd ~/hadoop-0.20.205.0/src/c++/libhdfs
sh ./configure
make
make install
cd ../install
tar cvfz ~/libhdfs.tar.gz lib
sudo tar xvf ~/libhdfs.tar.gz -C /usr

cd ~/pydoop-0.6.0
python setup.py bdist
cp dist/pydoop-0.6.0.linux-x86_64.tar.gz ~/
sudo tar xvf ~/pydoop-0.6.0.linux-x86_64.tar.gz -C /

2 つの tarball を保存します。将来的には、ビルド部分をスキップして、次の手順を実行してインストールできます (マルチノード クラスタにインストールするためのブーストラップ オプションを実行する方法を理解する必要があります)。

sudo tar xvf ~/libhdfs.tar.gz -C /usr
sudo tar xvf ~/pydoop-0.6.0.linux-x86_64.tar.gz -C /

次に、本格的な Hadoop APIを使用してサンプル プログラムを実行することができました (コンストラクターのバグを修正して、 を呼び出すようにしましたsuper(WordCountMapper, self))。

#!/usr/bin/python

import pydoop.pipes as pp

class WordCountMapper(pp.Mapper):

  def __init__(self, context):
    super(WordCountMapper, self).__init__(context)
    context.setStatus("initializing")
    self.input_words = context.getCounter("WORDCOUNT", "INPUT_WORDS")

  def map(self, context):
    words = context.getInputValue().split()
    for w in words:
      context.emit(w, "1")
    context.incrementCounter(self.input_words, len(words))

class WordCountReducer(pp.Reducer):

  def reduce(self, context):
    s = 0
    while context.nextValue():
      s += int(context.getInputValue())
    context.emit(context.getInputKey(), str(s))

pp.runTask(pp.Factory(WordCountMapper, WordCountReducer))

そのプログラムをバケットにアップロードし、run と呼びました。次に、次の conf.xml を使用しました。

<?xml version="1.0"?>
<configuration>

<property>
  <name>hadoop.pipes.executable</name>
  <value>s3://<my bucket>/run</value>
</property>

<property>
  <name>mapred.job.name</name>
  <value>myjobname</value>
</property>

<property>
  <name>hadoop.pipes.java.recordreader</name>
  <value>true</value>
</property>

<property>
  <name>hadoop.pipes.java.recordwriter</name>
  <value>true</value>
</property>

</configuration>

最後に、次のコマンド ラインを使用しました。

hadoop pipes -conf conf.xml -input s3://elasticmapreduce/samples/wordcount/input -output s3://tmp.nou/asdf
于 2012-06-04T22:15:41.397 に答える
2

与えられた答えは部分的に正しいだけですが、解決策は次のようにするよりも簡単です:

このコードを、コンピューターで作成した bash ファイルにコピーします。

ブートストラップ.sh:

#!/bin/bash
pip install pydoop

このファイルの書き込みが完了したら、s3 バケットにアップロードします。

次に、emr でブートストラップ アクションを追加できます。[
カスタム アクション] を選択し、s3 バケットへのパスを指定します。これで、emr クラスターに pydoop がインストールされました。

于 2015-06-10T05:43:38.403 に答える