Scribe+HDFS日志收集系统安装方法

1、概述

Scribe是facebook开源的日志收集系统，可用于搜索引擎中进行大规模日志分析处理。其通常与Hadoop结合使用，scribe用于向HDFS中push日志，而Hadoop通过MapReduce作业进行定期处理，具体可参见日文日志：

http://d.hatena.ne.jp/tagomoris/touch/20110202/1296621133

其安装非常复杂，主要是因为其依赖的包，需要设置的环境变量非常多，另外，它与Hadoop兼容不好，安装急需要技巧。目前对于Scirbe的安装方法，网上尽管有人介绍，但往往过于粗略，用处不大。本文比较全面的介绍了Scribe的安装方法，方法已经得到验证。

2、安装前的准备

（1）Thrift依赖软件

具体参见文章：http://wiki.apache.org/thrift/ThriftRequirements， 关于Thrift的介绍，参见我的另一篇日志：http://dongxicheng.org/search-engine/thrift-framework-intro/

（2）Thrift

最新版本即可。

（3）Scribe

版本2.1和2.2存在问题，直接下载github的当前版本才可用（见参考资料4）。

（4）Hadoop

Apache的所有版本（0.20.2（包括）之前）不可用，因为它们的libhdfs与Scribe均不兼容。

Cloudera的几乎所有版本不可用，只有CDH3 beta2（0.20.2+320）可用。需要强调的是：Cloudera的0.20.2+737和 0.20.2+320之间不可以相互通信（在此指HDFS不可相互通信），Apache 0.20.2版本和Cloudera 0.20.2之间也不可相互通信。具体错误参见参考资料1。

需要注意的是，我所用的机器是64位的，操作系统是Ubuntu。

3、安装流程

（1）安装Thrift依赖软件

必须得安装的是：g++， boost，autoconf，libevent，Apache ant， JDK， PHP，python

其它脚本语言根据需要安装

（2）安装Thirft

大体流程是：

tar -zxvf thrift-0.2.0.tar.gz

cd thrift-0.2.0

./bootstrap.sh

./configure

sudo make

sudo make install

遇到具体问题，可到google上查找，这方面资料很多。

安装完Thirft后，记得运行一下它提供的example，看是否安装成功。方法：在thrift源代码目录有一个叫tutorial的目录，进行其中后运行thrift命令生成相应的服务代码：

$ thrift -r –gen cpp tutorial.thrift // -r对其中include的文件也生成服务代码 -gen是生成服务代码的语言

运行完之后会在当前目录看到一个gen-cpp目录，其中就是thrfit命令生成的代码。这时你cd到tutorial/cpp目录,运行make，生成相应的CppServer与CppClient程式。

此时你可以分别运行CppServer和CppClient，让它们通信。

（3）安装Hadoop

如果你发现Hadoop中自带的已经编译好的libhdfs不可用（libhdfs在$HADOOOP_HOME/c++中），可自己编译生成libhdfs，方法是，在$HADOOP_HOME下，输入: ant compile-c++-libhdfs -Dislibhdfs=true ，同时设置Hadoop的CLASSPATH。

（4）安装Scribe

./boottrap.sh （主要目的是生成configure， 如果出现类似于configure: error: Could not link against !的错误，不要管，进行下一步好了！）

———————————

./configure –with-boost=/usr/local/boost –prefix=/usr/local/scribe –with-hadooppath=/home/dong/hadoop-0.20.2/ –enable-hdfs CPPFLAGS=”-I/opt/jdk1.6.0_21/include/ -I/opt/jdk1.6.0_21/include/linux -I/home/dong/hadoop-0.20.2/src/c++/libhdfs” LDFLAGS=”-L/opt/jdk1.6.0_21/jre/lib/amd64 -L/opt/jdk1.6.0_21/jre/lib/amd64/server -L/home/dong/hadoop-0.20.2/build/c++/Linux-amd64-64/lib -ljvm -lhdfs”

————————————————

make

———————————————–

sudo make install

安装成功验证方法参见参考文献（5）。

4、可能出现的错误及解决方法

（1）运行boottrap.sh时，产生以下错误：

checking whether the Boost::System library is available… yes

checking whether the Boost::Filesystem library is available… yes

configure: error: Could not link against !

当安装的boost目录不在默认的/usr目录下时，用户需要配置boost安装目录，如：

./configure –with-boost=/usr/local/boost –prefix=/usr/local/scribe

（2）运行examples时，产生以下错误：

Traceback (most recent call last):

File “examples/scribe_cat”, line 24, in <module>

from scribe import scribe

ImportError: No module named scribe

解决方法：python找不到scribe模块，需要把scribe package包含进来，如：

export PYTHONPATH=”/usr/lib/python2.6/site-packages/”

（3）Exception in thread “main” java.lang.NoClassDefFoundError: org/apache/ hadoop/conf/Configuration

解决方法，将Hadoop的classpath加到环境变量中，如：

export CLASSPATH=$HADOOP_HOME/hadoop-core-0.20.2+320.jar

5、参考资料

（1）介绍scribe与libhdfs的兼容性问题（日文）：

http://d.hatena.ne.jp/tagomoris/touch/20110107/1294368321

（2）介绍scribe的安装方法（日文）：

http://d.hatena.ne.jp/tagomoris/touch/20110106/1294311969

（3）介绍scribe的安装方法（英文）：http://www.myhpcblog.blogspot.com/

（4）scribe下载官方主页：https://github.com/facebook/scribe

（5）Scribe应用介绍：

http://blog.octo.com/en/scribe-a-way-to-aggregate-data-and-why-not-to-directly-fill-the-hdfs/

（6）Scribe安装方法：http://blog.octo.com/en/scribe-installation/

（7）Hadoop的各个CDH版本下载地址：http://archive.cloudera.com/cdh/3/

原创文章，转载请注明： 转载自董的博客

本文链接地址: http://dongxicheng.org/search-engine/scribe-installation/