[英]Geos, Shapely and Hadoop Streaming
我正在尝试运行Hadoop流作业来处理地理空间数据。 为此,我使用需要libgeos的 Shapely函数。
但是,该作业失败,因为在群集上未安装libgeos。
有没有办法出货libgeos到群集,并有身材匀称阅读.so
从目录中的文件(也许-archives
或-files
)?
命令运行示例
hadoop jar /usr/lib/hadoop-mapreduce/hadoop-streaming.jar -D stream.num.map.output.key.fields=2 -D mapred.text.key.partitioner.options=-k1,1 -archives hdfs://namenode:port/user/anaconda.zip#anaconda -files /some/other/stuff -input /path/to/input -output /user/geo_stuff -file /home/mr_files/mapper.py -mapper "mapper.py"
其中mapper.py开始像...
#!./anaconda/anaconda/bin/python
import shapely
from cartopy.io import shapereader
from shapely.geometry import Point
...more stuff
这会产生以下错误
from shapely.geos import lgeos
File "./anaconda/anaconda/lib/python2.7/site-packages/shapely/geos.py", line 58, in <module>
_lgeos = load_dll('geos_c', fallbacks=['libgeos_c.so.1', 'libgeos_c.so'])
File "./anaconda/anaconda/lib/python2.7/site-packages/shapely/geos.py", line 54, in load_dll
libname, fallbacks or []))
OSError: Could not find library geos_c or load any of its variants ['libgeos_c.so.1', 'libgeos_c.so']
如果要将文件从主节点复制到Hadoop集群上的所有核心节点,可以通过在主节点上运行它来完成此操作( Key.pem
是用于ssh进入主节点的秘密密钥,您必须先将其复制到您的主节点上):
#!/bin/bash
nodes=(`hadoop dfsadmin -report | grep Hostname | sed 's/Hostname: //'`)
for workerip in nodes
do
scp -i Key.pem -o UserKnownHostsFile=/dev/null \
-o StrictHostKeyChecking=no \
/usr/local/lib/libgeos_c* $workerip:/usr/local/lib/
done
如果在非标准位置具有用于GEOS的C API的libgeos_c.so
共享库,则可以设置环境变量以使用该文件:
export GEOS_LIBRARY_PATH=/path/to/libgeos_c.so.1
但是,您需要确保满足依赖性。 例如:
ldd /path/to/libgeos_c.so.1
请参阅libgeos.py的源代码,以了解如何使用环境变量查找GEOS C API共享库。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.