hadoop 运行mahout 问题小结（一）

完成hadoop上的搭建，开始运行几个小的测试，毕竟第一次，遇到了一些小问题。

首先，是参考资料中的 验证安装是否成功的步骤。

将下载数据 synthetic_control.data 上传到HDFS中，命令如下

hadoop fs -mkdir testdata(注意，此命令的文件夹路径必须是如上，不可是/testdata 等其他形式)

hadoop fs -put synthetic_control.data(注意，如果数据不是当前文件夹下，应该添加相对或者绝对路径) testdata/

hadoop fs -ls testdata (查看是否上传成功)

数据上传成功之后，开始运行测试聚类程序，命令如下

hadoop jar mahout-distribution-0.9/mahout-examples-0.9-job.jar (注意路径) org.apache.mahout.clustering.syntheticcontrol.kmeans.Job

运行完成之后，查看结果

hadoop fs -ls output(注意路径)

完成。

其次，在运行数据序列化时遇到问题，就是将HDFS中数据转成Mahout可以识别额输入格式。

会提示，Exception in thread "main" java.lang.NoClassDefFoundError: org/apache/mahout/common/AbstractJob
错误！！！！

这是因为没有将mahout中的jar文件进行相关的导入。网上找的一些解决方法，如下

要想让mapreduce程序引用第三方jar文件, 可以采用如下方式:

1。通过命令行参数传递jar文件, 如-libjars等;

2。直接在conf中设置, 如conf.set(“tmpjars”,*.jar), jar文件用逗号隔开;

3。利用分布式缓存, 如DistributedCache.addArchiveToClassPath(path, job), 此处的path必须是hdfs, 即自己讲jar上传到hdfs上, 然后将路径加入到分布式缓存中;第三方jar文件和自己的程序打包到一个jar文件中, 程序通过job.getJar()将获得整个文件并将其传至hdfs上. (很笨重)

4。在每台机器的$HADOOP_HOME/lib目录中加入jar文件. (不推荐)

前三种没有研究和验证，使用的第四种，但是这里注意，hadoop老的版本放入lib文件夹下可以，我使用的是hadoop-2.5.2，需要将jar文件放到$HADOOP_HOME/share/hadoop/common 或者其他文件夹中。

完成之后，就可以正常执行了。