¿Cómo usar Mahout en un entorno Windows?

Question

Estoy tratando de usar Mahout en una aplicación que se ejecuta en Windows. Quiero construir clusters a partir de un índice lucene usando k-means.

Tan pronto como tengo que crear archivos de secuencia (creando vectores a partir de un índice lucene), obtengo una Excepción Hadoop, ya que Hadoop realiza llamadas de línea de comandos a programas desconocidos en un entorno Windows (por ejemplo, chmod). Correr en Cygwin no es una opción, ya que quiero poder ejecutar la aplicación desde eclipse.

Entonces mi pregunta es

¿hay alguna manera de evitar tener que crear archivos de secuencia para recuperar mis vectores de un índice lucene?

o hay una manera de crear archivos de secuencia en un entorno de Windows?

Answer 1

La única manera en que puede ejecutar Hadoop en un entorno Windows es instalar Cygwin. Para obtener más información, consulte esta entrada del blog:

http://hayesdavis.net/2008/06/14/running-hadoop-on-windows/

Cygwin le brindarán todos los servicios públicos de línea de comandos (como chmod) que se basa en Hadoop. Aún puede ejecutar sus trabajos de Hadoop desde Eclipse si lo desea.

Answer 2

¿Conoces la API SequenceFile? Eche un vistazo aquí: http://hadoop.apache.org/common/docs/current/api/org/apache/hadoop/io/SequenceFile.html Puede intentar escribir/leer los datos usted mismo.

Creo que puede ejecutar Mahout desde eclipse en Windowns en modo independiente. Pero aparecerán varias deficiencias y obstáculos. Deberías probar qué tan lejos vienes.

En mi opinión, no debe insistir en ejecutar mahout de eclipse. ;-)

Answer 3

Puede utilizar una máquina virtual para ejecutar su entorno Hadoop. En cuanto a mí, la mejor solución es usar el proyecto http://hortonworks.com/. Todo funciona bien.