有人在研究大数据吗，hadoop？

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

虽然不是很懂hadoop，但是现在需要连接R和hadoop，有没有做过这样的事呢，想探讨一下

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

分享0 收藏0 回帖

关键词：Hadoop 大数据 Had 有没有

用RHadoop呀
RHadoop是一款Hadoop和R语言的结合的产品，由RevolutionAnalytics公司开发，并将代码开源到github社区上面。
   
RHadoop包含三个R包 (rmr，rhdfs，rhbase)，分别是对应Hadoop系统架构中的，MapReduce, HDFS, HBase 三个部分。

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))))