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。
下載最新版本的JindoSDK JAR包。下載地址,請參見GitHub。
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。
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
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;