非EMR集群接入OSS-HDFS服务的快速入门 - 对象存储 OSS

OSS-HDFS服务（JindoFS服务）完全兼容HDFS接口，同时支持目录层级的操作。JindoSDK为Apache Hadoop的计算分析应用（例如MapReduce、Hive、Spark、Flink等）提供了访问HDFS服务的能力。本文介绍如何通过在ECS实例中部署JindoSDK，然后完成OSS-HDFS服务快速入门常见操作。

说明

如果您使用的是阿里云EMR集群，请通过EMR集群的方式接入OSS-HDFS服务。具体操作，请参见EMR集群接入OSS-HDFS服务快速入门。

前提条件

阿里云账号默认拥有通过非EMR集群的方式接入OSS-HDFS服务并执行常见操作的权限。如果您希望通过RAM用户接入OSS-HDFS服务，RAM用户需要具备对应的权限要求，详情请参见授权RAM用户通过非EMR集群接入OSS-HDFS服务。

已创建ECS实例。具体步骤，请参见选购ECS实例。
已创建Hadoop环境。具体步骤，请参见创建Hadoop运行环境。
已为Bucket开通并授权访问OSS-HDFS服务。具体操作，请参见开通OSS-HDFS服务。

操作视频

观看以下视频了解如何通过非EMR集群快速接入OSS-HDFS服务并完成常见操作。

操作步骤

连接ECS实例。具体操作，请参见连接ECS实例。
下载并解压JindoSDK JAR包。下载地址，请参见GitHub。
执行以下命令，解压JindoSDK JAR包。
以下以解压jindosdk-x.x.x-linux.tar.gz为例，如使用其他版本的JindoSDK，请替换为对应的JAR包名称。
```
tar zxvf jindosdk-x.x.x-linux.tar.gz
```
说明
x.x.x表示JindoSDK JAR包版本号。
配置环境变量。
1. 配置JINDOSDK_HOME。
  以安装包内容解压在/usr/lib/jindosdk-x.x.x-linux目录为例：
```
export JINDOSDK_HOME=/usr/lib/jindosdk-x.x.x-linux
```
2. 配置HADOOP_CLASSPATH。
```
export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:${JINDOSDK_HOME}/lib/*
```
  重要
  请将安装目录和环境变量部署到所有所需节点上。

配置OSS-HDFS服务实现类及AccessKey。

执行以下命令，进入Hadoop的core-site.xml配置文件。
```
vim /usr/local/hadoop/etc/hadoop/core-site.xml
```

在Hadoop的core-site.xml中，配置JindoSDK DLS实现类。

<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>

在Hadoop的core-site.xml文件中，配置阿里云账号的访问密钥，或者满足权限要求的RAM用户的访问密钥。
关于RAM用户在该场景下需要满足的权限说明，请参见授权RAM用户通过非EMR集群接入OSS-HDFS服务。
```
<configuration>
    <property>
        <name>fs.oss.accessKeyId</name>
        <value>xxx</value>
    </property>

    <property>
        <name>fs.oss.accessKeySecret</name>
        <value>xxx</value>
    </property>
</configuration>
```

配置OSS-HDFS服务Endpoint。
使用OSS-HDFS服务访问OSS Bucket时需要配置Endpoint。推荐访问路径格式为oss://<Bucket>.<Endpoint>/<Object>，例如oss://examplebucket.cn-hangzhou.oss-dls.aliyuncs.com/exampleobject.txt。配置完成后，JindoSDK会根据访问路径中的Endpoint访问对应的OSS-HDFS服务接口。
您还可以通过其他方式配置OSS-HDFS服务Endpoint，且不同方式配置的Endpoint存在生效优先级。更多信息，请参见EMR集群接入OSS-HDFS服务快速入门。
通过HDFS Shell命令完成OSS-HDFS服务常见操作。
- 上传文件
  将本地根目录下的examplefile.txt文件上传至examplebucket，示例如下：
```
hdfs dfs -put examplefile.txt oss://examplebucket.cn-hangzhou.oss-dls.aliyuncs.com/
```
- 下载文件
  将examplebucket下的exampleobject.txt下载到本地根目录文件夹/tmp，示例如下：
```
hdfs dfs -get oss://examplebucket.cn-hangzhou.oss-dls.aliyuncs.com/exampleobject.txt  /tmp/
```
更多操作，请参见通过Hadoop Shell命令访问。

附录一：配置Endpoint的其他方式

除上述提到的在访问路径中指定Endpoint的方式以外，您还可以通过以下两种方式配置OSS-HDFS服务的Endpoint：

Bucket级别的Endpoint

如果使用oss://<Bucket>/<Object>格式的访问路径，即访问路径中未设置Endpoint。此时，您可以在Hadoop的配置文件core-site.xml中设置Bucket级别的Endpoint，从而指向OSS-HDFS服务的Endpoint。

<configuration>
    <property>
        <!-- 以下examplebucket为开通HDFS服务的Bucket名称，其他Bucket请根据实际情况替换。 -->
        <name>fs.oss.bucket.examplebucket.endpoint</name>
        <!-- 以下以杭州地域为例，其他地域请根据实际情况替换。 -->
        <value>cn-hangzhou.oss-dls.aliyuncs.com</value>
    </property>
</configuration>

全局默认Endpoint
如果使用oss://<Bucket>/<Object>格式的访问路径，且访问路径中未设置Bucket级别的Endpoint，则默认使用全局Endpoint的方式访问OSS-HDFS服务。在Hadoop的配置文件core-site.xml中设置全局默认Endpoint的方式如下：
```
<configuration>
    <property>
        <name>fs.oss.endpoint</name>
        
        <value>cn-hangzhou.oss-dls.aliyuncs.com</value>
    </property>
</configuration>
```

说明

通过不同方式配置Endpoint后，Endpoint生效优先级为访问路径中的Endpoint>Bucket级别的Endpoint>全局默认Endpoint。

附录二：性能调优

您可以结合实际业务需求，将以下配置项添加到Hadoop的core-site.xml中。仅JindoSDK 4.0及以上版本支持以下配置项。

<configuration>

    <property>
          <!-- 客户端写入的临时文件目录，可配置多个，每个临时文件目录需以逗号隔开。多用户环境需配置可读写权限 -->
        <name>fs.oss.tmp.data.dirs</name>
        <value>/tmp/</value>
    </property>

    <property>
          <!-- 访问OSS失败重试次数 -->
        <name>fs.oss.retry.count</name>
        <value>5</value>
    </property>

    <property>
          <!-- 请求OSS超时时间（毫秒） -->
        <name>fs.oss.timeout.millisecond</name>
        <value>30000</value>
    </property>

    <property>
          <!-- 连接OSS超时时间（毫秒） -->
        <name>fs.oss.connection.timeout.millisecond</name>
        <value>3000</value>
    </property>

    <property>
          <!-- OSS单个文件并发上传线程数 -->
        <name>fs.oss.upload.thread.concurrency</name>
        <value>5</value>
    </property>

    <property>
          <!-- OSS并发上传任务队列大小 -->
        <name>fs.oss.upload.queue.size</name>
        <value>5</value>
    </property>

    <property>
          <!-- 进程内OSS最大并发上传任务数 -->
        <name>fs.oss.upload.max.pending.tasks.per.stream</name>
        <value>16</value>
    </property>

    <property>
          <!-- OSS并发下载任务队列大小 -->
        <name>fs.oss.download.queue.size</name>
        <value>5</value>
    </property>

    <property>
          <!-- 进程内OSS最大并发下载任务数 -->
        <name>fs.oss.download.thread.concurrency</name>
        <value>16</value>
    </property>

    <property>
          <!-- 预读OSS的buffer大小 -->
        <name>fs.oss.read.readahead.buffer.size</name>
        <value>1048576</value>
    </property>

    <property>
          <!-- 同时预读OSS的buffer个数 -->
        <name>fs.oss.read.readahead.buffer.count</name>
        <value>4</value>
    </property>

</configuration>