本期导读 ：【JindoFS 缓存加速】第十二讲
主题：Spark 访问 OSS 透明缓存加速
讲师：辰山，阿里巴巴计算平台事业部 EMR 技术专家
内容框架：
- JIndoFS 缓存模式简介
- Spark 访问 OSS 的缓存加速
- 缓存效果
- 实操演示
直播回放链接：（12讲）
https://developer.aliyun.com/live/246923
一、JindoFS 缓存模式简介
JindoFS缓存模式架构图：
架构介绍：
- Jindo Namespace Service：JindoFS 元数据管理以及 Storage 服务的管理
- Jindo Storage Service：用户数据的管理包含本地数据的管理和OSS上数据的管理
- Jindo SDK 客户端：所有上层计算引擎通过JindoFS SDK提供的客户端访问JindoFS文件系统，从而实现对后端存储实现缓存加速
二、Spark 访问 OSS 的缓存加速
部署缓存服务
- 下载最新 Release包 b2smartdata-x.x.x.tar.gz，解压并部署到集群所有节点上
- 修改配置文件conf/bigboot.cfg
- 修改 sbin/nodes，配置所有storage service的节点列表
- 启动所有服务 ./sbin/start-service.sh
参考网址：
https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/jindofs_cache_mode_deploy.md
部署JIndo SDK
- 安装 jar包：下载最新的jar包 jindofs-sdk-x.x.x.jar，将sdk包安装到Spark的classpath下。
cpjindofs-sdk-${version}.jar $SPARK_HOME/jars/
- 配置 JindoFS 实现类：将JindoFS 实现类配置到Hadoop的core-site.xml中
配置OSS Access Key
- 将OSS的Access Key、Access Key Secret、Endpoint等预先配置在Hadoop的core-site.xml中。
配置客户端连接缓存服务
客户端通过环境变量 B2SDK_CONF_DIR 定位并加载配置文件 bigboot.cfg
- 设置环境变量指定配置目录
export B2SDK_CONF_DIR= /path/to/sdk/conf
-
在配置目录下添加bigboot.cfg配置文件
•client.storage.rpc.port = 6101
•client.namespace.rpc.address = <NAMESPACE_ADDRESS>:8101
•jfs.cache.data-cache.enable = true
•完成以上配置之后，启动的 Spark 任务即可访问OSS
任务读取OSS上的数据后，会自动缓存到JindoFS缓存系统中，后续访问相同的数据就能够命中缓存
三、缓存效果
缓存性能对比：
基于TPC-DS对缓存模式进行性能测评；
选择8个具有IO相对较高的SQL查询进行测试，
结果如下：
图解：
蓝色为启用缓存执行时间；橙色为关闭缓存，用纯粹SDK方式访问OSS所用时间
可见执行时间得到近50%的提升，性能提升效果明显
详见：《JindoFS 缓存系统（Cache 模式）性能比较》
参考网址：
https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/comparisons/jindofs_cache_vs_no_cache.md
四、实操演示
⭐点击回放链接，直接观看第12讲视频回放，获取讲师实例讲解：
https://developer.aliyun.com/live/246923
⭐Github链接：
https://github.com/aliyun/alibabacloud-jindofs
不错过每次直播信息、探讨更多数据湖 JindoFS+OSS 相关技术问题，欢迎扫码加入钉钉交流群！