RHadoop和CDH整合实例（二）- rmr2及RJDBC

三、 rmr2的安装和测试

rmr2是map/reduce程序执行的核心部分，需要依赖hadoop-streaming-XXX.jar。rmr2库需要依赖bitops和 caTools两个库，而这两个库都不能直接通过R的install.packages()获得，需要先去cran上下载再安装，同样的，rmr2可以在https://github.com/RevolutionAnalytics/rmr2通过wget获取。

> cd ~/$INS_TMP
> wget https://cran.r-project.org/src/contrib/Archive/bitops/bitops_1.0-5.tar.gz > sudo R CMD INSTALL bitops_1.0-5.tar.gz
> wget https://cran.r-project.org/src/contrib/Archive/caTools/caTools_1.14.tar.gz > sudo R CMD INSTALL caTools_1.14.tar.gz
> sudo R CMD INSTALL rmr2_3.3.1.tar.gz

测试rmr2，进入R：

library(rmr2)   #加载rmr2库
small.ints = to.dfs(1:10)
mapreduce(input = small.ints, map = function(k, v) cbind(v, v^2))
q()

　　因为rmr2对数据的访问是经过hdfs，to.dfs(1:10)将数据存于hdfs中，下一步的 mapreduce函数才能够直接对small.ints进行处理。若输出结果如下，说明mapreduce执行成功，测试结束。任务的负载等信息可以通过jobtracker(http://XXX:8088/proxy/application_XXX/)查看。mapreduce成功调用的正确输出如下所示。



可能出现的问题:

(1) 输入mapreduce()后，看到mapreduce任务成功提交，但是并没有能够成功执行，错误代码exitCode: -1000 due to: Application application_XXXX initialization failed (exitCode=139). 解决方法是换个 kerberos票据，当前票据具有对hdfs的访问权限，但是没有执行mapreduce任务的权限，此时换kinit hive，用hive用户重新执行R程序即可。



四、 RJDBC的安装和测试

安装rJDBC和以上安装R的其他依赖库方法一样，进入R，然后用install.package()函数即可直接安装。

sudo R
install.packages("RJDBC")
q()

　　R中通过rJDBC访问hive的测试代码如下，但是需要实现配置好JDBC_DRIVER_PATH路径，以及增加相应的classpath。

#请确保以下路径配置正确
HIVE_CLASS_PATH <- paste0("/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/lib")
HADOOP_LIB_PATH <- paste0("/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop/lib")
HADOOP_CLASS_PATH <- paste0("/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop")
MAPRED_CLASS_PATH <- paste0("/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop-mapreduce")
MAPRED_CORE_PATH <- paste0("/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hadoop-mapreduce/hadoop-mapreduce-client-core.jar")

JDBC_DRIVER_PATH <- paste0("/opt/cloudera/parcels/CDH-5.1.3-1.cdh5.1.3.p0.12/lib/hive/lib/hive-jdbc.jar")
CONNECT_URL <- paste0("jdbc:hive2://bj1-241-centos169:10000/default;principal=hive/bj1-241-centos169@XXX.COM")

library("DBI")
library("rJava")
library("RJDBC")

hive.class.path <- list.files(path=c(HIVE_CLASS_PATH), pattern="jar", full.names=T)
hadoop.lib.path <- list.files(path=c(HADOOP_LIB_PATH), pattern="jar", full.names=T)
hadoop.class.path <- list.files(path=c(HADOOP_CLASS_PATH), pattern="jar", full.names=T)
mapred.class.path <- list.files(path=c(MAPRED_CLASS_PATH, pattern="jar", full.names=T))

cp = c(hive.class.path, hadoop.lib.path, hadoop.class.path, mapred.class.path, MAPRED_CORE_PATH)
.jinit(classpath=cp)
options( java.parameters = "-Xmx8g" )

drv <- JDBC("org.apache.hive.jdbc.HiveDriver", JDBC_DRIVER_PATH)
conn <- dbConnect(drv, CONNECT_URL, "", "")
dbListTables(conn)
dbDisconnect(conn)
q()

通过RHDBC调用成功hive的成功输出如下所示。