Hadoop 如何在使用Google Cloud Dataproc启动的Spark集群中启用Snappy编解码器支持?
尝试从使用启动的Spark群集读取Snappy压缩序列文件时,我收到以下警告:Hadoop 如何在使用Google Cloud Dataproc启动的Spark集群中启用Snappy编解码器支持?,hadoop,apache-spark,google-cloud-platform,snappy,google-cloud-dataproc,Hadoop,Apache Spark,Google Cloud Platform,Snappy,Google Cloud Dataproc,尝试从使用启动的Spark群集读取Snappy压缩序列文件时,我收到以下警告: java.lang.RuntimeException: native snappy library not available: this version of libhadoop was built without snappy support. 在这种情况下,启用Snappy编解码器支持的最佳方法是什么?我自己没有这样做,但应该解决您的问题: 为了安装和配置其他系统级组件,bdutil支持扩展机制。扩展的一个很
java.lang.RuntimeException: native snappy library not available: this version of libhadoop was built without snappy support.
在这种情况下,启用Snappy编解码器支持的最佳方法是什么?我自己没有这样做,但应该解决您的问题: 为了安装和配置其他系统级组件,bdutil支持扩展机制。扩展的一个很好的例子是与bdutil捆绑的Spark扩展:extensions/Spark/Spark_env.sh。在运行bdutil扩展时,会添加-e标志,例如,使用Hadoop部署Spark: ./bdutil-e extensions/spark/spark_env.sh部署
不幸的是,Dataproc的启动映像是在没有Snappy支持的情况下构建的。我打开了一个bug,以便在下一张图片中修复它 解决办法:
setup snapy.sh
:
#!/bin/bash
pushd "$(mktemp -d)"
apt-get install -q -y libsnappy1
wget https://storage.googleapis.com/hadoop-native-dist/Hadoop_2.7.1-Linux-amd64-64.tar.gz
tar zxvf Hadoop_2.7.1-Linux-amd64-64.tar.gz -C /usr/lib/hadoop/
dataproc actions
:
gsutil cp ./setup-snappy.sh gs://dataproc-actions/setup-snappy.sh
gcloud beta dataproc clusters create --initialization-actions gs://dataproc-actions/setup-snappy.sh mycluster
谢谢安格斯,我可以确认这对我们有效!顺便说一下,您的上一个命令有一个小的输入错误,它应该是
gcloud beta dataproc clusters create--initialization actions gs://dataproc actions/setup-snappy.sh mycluster