[HiBench] 安裝HiBench，測試在Spark上跑PageRank與修改源碼測試

背景：我想在HiBench上測試在Spark上跑PageRank性能，并想要修改PageRank的源碼進行測試。本來，HiBench在README里寫的已經挺清楚的了，直接照著做就行。奈何我用的服務器沒有珂學上網，所以還是遇到了一點小麻煩。

下載HiBench

• 直接去官網clone HiBench的項目：Intel-bigdata/HiBench: HiBench is a big data benchmark suite. (github.com)

編譯spark模塊

• 按照官網的教程去編譯spark模塊。

mvn -Psparkbench -Dspark=2.4 -Dscala=2.11 clean package

這一步是需要珂學上網的。由于我的服務器上不能珂學上網，而我的本地可以。所以需要在本地編譯，然后將整個項目上傳到服務器上。

注意：不要在服務器上運行上面的代碼！否則mvn clean會將所有文件都刪除，我就得重新將這個項目上傳一遍了（編譯后的整個文件夾大約1.5G）。

配置hadoop.conf和spark.conf

• 配置hadoop.conf和spark.conf。這個跟著官網的教程走就行。

hadoop.conf：

cp conf/hadoop.conf.template conf/hadoop.conf

修改內容如下：

# Hadoop home
hibench.hadoop.home     /usr/local/hadoop

# The path of hadoop executable
hibench.hadoop.executable     ${hibench.hadoop.home}/bin/hadoop

# Hadoop configraution directory
hibench.hadoop.configure.dir  ${hibench.hadoop.home}/etc/hadoop

# The root HDFS path to store HiBench data
hibench.hdfs.master       hdfs://10.0.0.1:8020


# Hadoop release provider. Supported value: apache
hibench.hadoop.release    apache

其中，hibench.hadoop.home是你的hadoop的安裝路徑。hibench.hdfs.master是你的hadoop的namenode的地址。

spark.conf：

cp conf/spark.conf.template conf/spark.conf

需要修改的內容如下：

# Spark home
hibench.spark.home      /usr/local/spark

# Spark master
#   standalone mode: spark://xxx:7077
#   YARN mode: yarn-client
hibench.spark.master    spark://10.0.0.1:7077

其中，hibench.spark.home是你的spark的安裝目錄。hibench.spark.master是你的spark的master的地址。

運行PageRank

PageRank的代碼在子目錄sparkbench/websearch下。

• 運行PageRank的命令如下（也是按照教程）：

bin/workloads/websearch/pagerank/prepare/prepare.sh
bin/workloads/websearch/pagerank/spark/run.sh

這一步如果報錯沒有python2，則運行下面的命令安裝即可：

sudo apt install python2.7
sudo ln -s /usr/bin/python2.7 /usr/bin/python2

• 在conf/hibench.conf中，hibench.scale.profile規定了測試的規模。一開始，規模是

hibench.scale.profile                tiny

pagerank的tiny規模的詳細信息可以在conf/workloads/websearch/pagerank.conf中見到：

hibench.pagerank.tiny.pages			50
hibench.pagerank.tiny.num_iterations		1
hibench.pagerank.tiny.block			0
hibench.pagerank.tiny.block_width		16

如果需要修改測試的規模（例如改成small），只需要修改hibench.scale.profile即可。

修改PageRank代碼并重新編譯、運行

• 在sparkbench/websearch中修改PageRank代碼。

• 在本地重新編譯websearch模塊。

mvn -Psparkbench -Dmodules -Pwebsearch -Dspark=2.4 -Dscala=2.11 clean package

然后我們要將重新編譯的項目再次拷貝到服務器上。由于整個項目有1.5G，所以如果每修改一次代碼就要重新上傳整個項目未免太過耗時。由于我們只是重新編譯了websearch模塊，其他模塊并沒有被修改。于是我們考慮只上傳我們修改的這部分。

觀察mvn的輸出，我們可以知道所需上傳的部分有：

/home/zcq/hibench/common/target
/home/zcq/hibench/autogen/target
/home/zcq/hibench/sparkbench/common/target
/home/zcq/hibench/sparkbench/websearch/target
/home/zcq/hibench/sparkbench/assembly/target
/home/zcq/hibench/hadoopbench/pegasus/target
/home/zcq/hibench/hadoopbench/nutchindexing/target

因此，比較簡單的方法是寫一個腳本，自動將這些被修改的文件夾同步到服務器上。

• 然后，在服務器上重新運行測試即可。