如何使用SparkJindoSDK查詢OSS-HDFS服務中的資料 -

JindoSDK是一個面向Hadoop、Spark生態且簡單易用的OSS用戶端，為OSS提供高度最佳化的Hadoop FileSystem實現。相對於Hadoop社區OSS用戶端，Spark使用JindoSDK查詢OSS-HDFS服務中的資料時，可以獲得更好的效能。

前提條件

已建立ECS執行個體。具體步驟，請參見選購ECS執行個體。
已建立Hadoop環境。具體步驟，請參見建立Hadoop運行環境。
已部署Apache Spark。具體步驟，請參見Apache Spark。
已開通並授權訪問OSS-HDFS服務。具體操作，請參見開通並授權訪問OSS-HDFS服務。

操作步驟

串連ECS執行個體。具體操作，請參見串連ECS執行個體。
配置JindoSDK。
1. 下載最新版本的JindoSDK JAR包。下載地址，請參見GitHub。
2. 解壓JindoSDK JAR包。
  以下以解壓jindosdk-x.x.x-linux.tar.gz為例，如使用其他版本的JindoSDK，請替換為對應的JAR包名稱。
```
tar zxvf jindosdk-x.x.x-linux.tar.gz
```
  說明
  x.x.x表示JindoSDK JAR包版本號碼。
3. 可選：如果您的環境中未包含Kerberos和SASL相關依賴，則需要在部署JindoSDK的所有節點安裝以下依賴。
  - Ubuntu或Debian
```
sudo apt-get install libkrb5-dev krb5-admin-server krb5-kdc krb5-user libsasl2-dev libsasl2-modules libsasl2-modules-gssapi-mit
```
  - Red Hat Enterprise Linux或CentOS
```
sudo yum install krb5-server krb5-workstation cyrus-sasl-devel cyrus-sasl-gssapi cyrus-sasl-plain
```
  - macOS
```
brew install krb5
```
4. 將已下載的JindoSDK JAR包拷貝至Spark的classpath路徑下。
```
cp jindosdk-x.x.x-linux/lib/*.jar  $SPARK_HOME/jars/
```

配置OSS-HDFS服務實作類別及AccessKey。

在core-site.xml檔案中配置

將OSS-HDFS服務實作類別配置到Spark的core-site.xml設定檔中。

<configuration>
    <property>
        <name>fs.AbstractFileSystem.oss.impl</name>
        <value>com.aliyun.jindodata.oss.JindoOSS</value>
    </property>

    <property>
        <name>fs.oss.impl</name>
        <value>com.aliyun.jindodata.oss.JindoOssFileSystem</value>
    </property>
</configuration>

將已開啟OSS-HDFS服務的Bucket對應的AccessKey ID、AccessKey Secret配置在Spark的core-site.xml設定檔中。

<configuration>
    <property>
        <name>fs.oss.accessKeyId</name>
        <value>LTAI********</value>
    </property>

    <property>
        <name>fs.oss.accessKeySecret</name>
        <value>KZo1********</value>
    </property>
</configuration>

在提交任務時配置

在提交Spark任務時配置OSS-HDFS服務實作類別及AccessKey，樣本如下：

spark-submit --conf spark.hadoop.fs.AbstractFileSystem.oss.impl=com.aliyun.jindodata.oss.OSS --conf spark.hadoop.fs.oss.impl=com.aliyun.jindodata.oss.JindoOssFileSystem --conf spark.hadoop.fs.oss.accessKeyId=LTAI********  --conf spark.hadoop.fs.oss.accessKeySecret=KZo149BD9GLPNiDIEmdQ7d****

配置OSS-HDFS服務Endpoint。
使用OSS-HDFS服務訪問OSS Bucket時需要配置Endpoint。推薦訪問路徑格式為oss://<Bucket>.<Endpoint>/<Object>，例如oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/exampleobject.txt。配置完成後，JindoSDK會根據訪問路徑中的Endpoint訪問對應的OSS-HDFS服務介面。
您還可以通過其他方式配置OSS-HDFS服務Endpoint，且不同方式配置的Endpoint存在生效優先順序。更多資訊，請參見附錄一：配置Endpoint的其他方式。

使用Spark訪問OSS-HDFS。

建立表。

create table test_oss (c1 string) location "oss://examplebucket.cn-hangzhou.oss-dls.aliyuncs.com/dir/";

往表中插入資料。

insert into table test_oss values ("testdata");

查詢表。
```
select * from test_oss;
```