【hadoop摸索系列】记录使用libhdfs访问hdfs的关键问题

hadoop官方的二进制发布版本一直是32位平台编译的，对于java来说跨平台不影响使用，但是为了在c/c++程序中操作hdfs就做不到了，因为libhdfs.so是二进制不兼容的。

我使用的是stable版本的hadoop 2.20，直接从官方下载了二进制发布版本，在目录lib/native下有操作hadoop的c/c++库(.a和.so)，但由于服务器是64位的原因无法链接。

解决方法就是下载hadoop的src源码，自行编译生成so，这个过程如果没有Yum会比较繁琐，因为依赖很多，在编译过程中会遇到若干错误，后续会将编译步骤完善起来，这里只说明libhdfs.so如何编译生成一个可运行的程序。

libhfds是基于libjvm运行的，也就是创造了一个java虚拟机然后直接调用hadoop的java jar包实现hdfs系统的访问，所以在编译程序时一定要注意以下几点要素：

1, 如果你是64位系统，必须自行编译hadoop生成64位版本的libhfds.so，如果你是32位系统那就不必了，可以直接使用目录下的lib/native里的so。

2, 编译时一定要链接libjvm.so，这个so在jdk/jre/lib/amd64/server/下面，其中amd64目录代表我是64位系统，你需要根据你的系统选择特定目录下的libjvm.so。

3, 由于libhdfs直接基于jvm加载jar包，而jvm是依靠系统环境变量CLASSPATH寻找jar包的，所以你一定要export导出CLASSPATH环境变量，保证它包含了java jdk和jre的所有jar包以及hadoop/shared/hadoop内的所有jar包，这样运行时jvm才能正确的load到jar包，否则会抛出java异常令程序终止。

4,由于程序依赖so动态库，为了运行时能够找到so，还需要导出libhdfs.so和libjvm.so的路径到LD_LIBRARY_PATH变量中去。

下面是一段简单的示例代码，打开一个hdfs文件并向文件写入了hello hdfs，之后关闭文件，重点关注其编译命令：

#include "hdfs.h"

int main(int argc, char **argv)
{
    hdfsFS fs = hdfsConnect("10.46.120.32", 8010);
    if (!fs) {
        fprintf(stderr, "connect fail
");
        return -1; 
    }   
    hdfsFile writeFile = hdfsOpenFile(fs, "/first.txt", O_WRONLY, 4096, 0, 0); 
    if (!writeFile) {
        fprintf(stderr, "openfile fali
");
        return -1; 
    }   
    hdfsWrite(fs, writeFile, "hello hdfs", 10);
    hdfsCloseFile(fs, writeFile);
    hdfsDisconnect(fs);
    return 0;
}

编译命令如下：

gcc -o hdfs hdfs.c -L /hadoop/lib/native -lhdfs -I /hadoop/include -L /jdk/jre/lib/amd64/server/ -ljvm

下面的代码足以完成所有环境变量的初始化，不需要再做额外的任何工作，建议填好后放到.bashrc中，这里假设hadoop安装在/hadoop中，jdk安装在/jdk中，libhdfs在hadoop默认路径下：

export JAVA_HOME=/jdk  #jdk安装路径

export JRE_HOME=${JAVA_HOME}/jre #jre路径

export LD_LIBRARY_PATH=/jdk/jre/lib/amd64/server:/hadoop/lib/native # libjvm.so目录和libhdfs.so目录

CLASSPATH=${JAVA_HOME}/lib:${JRE_HOME}/lib # jdk与jre的jar

HADOOP_HOME=/hadoop #hadoop安装路径

CLASSPATH=${CLASSPATH}":"`find ${HADOOP_HOME}/share/hadoop | awk '{path=path":"$0}END{print path}'` # hadoop的jar
export CLASSPATH