数据湖实操讲解【OSS 访问加速】第六讲：Hadoop/Spark 访问 OSS 加速

2021-11-25 12:49:41

本期导读：【OSS 访问加速】第六讲

主题：Hadoop/Spark 访问 OSS 加速

讲师：流影，阿里巴巴计算平台事业部 EMR 技术专家

内容框架：

JindoFS SDK 介绍
Hadoop 使用 JindoFS SDK
Spark 使用 JindoFS SDK
演示

直播回放链接：（5/6讲）

https://developer.aliyun.com/live/246811

一、JindoFS SDK 介绍

JindoFS SDK 是一个简单易用面向 Hadoop/Spark 生态的 OSS 客户端，为阿里云 OSS 提供高度优化的 HadoopFileSystem 实现。
通过 JindoFS SDK，可以在 Hadoop 环境中直接使用 oss://bucket/ 的方式访问阿里云 OSS 上的内容。
例如：

数据湖实操讲解【OSS 访问加速】第六讲：Hadoop/Spark 访问 OSS 加速

为什么使用 JindoFS SDK

优异的性能表现：和开源版本的 Hadoop-OSS-SDK 进行对比，各项操作性能均显著好于 Hadoop-OSS-SDK
良好的兼容性：兼容市面上大部分 Hadoop 版本，JindoFS SDK 在 Hadoop2.3 及以上的版本上验证通过
专业团队维护：阿里云 EMRHadoop 团队维护，JindoFS Hadoop SDK 在阿里云 EMR等产品中广泛使用
功能更新快：及时跟进 OSS 最新特性和优化，版本更新及时。

二、Hadoop 使用 JindoFS SDK 访问 OSS

安装 jar 包

下载最新的jar包 jindofs-sdk-x.x.x.jar，将sdk包安装到hadoop的classpath下。

数据湖实操讲解【OSS 访问加速】第六讲：Hadoop/Spark 访问 OSS 加速

配置 JindoFSOSS 实现类

将 JindoFS OSS 实现类配置到Hadoop的core-site.xml中。

数据湖实操讲解【OSS 访问加速】第六讲：Hadoop/Spark 访问 OSS 加速

配置 OSSAccess Key

将OSS的AccessKey、Access Key Secret、Endpoint等预先配置在Hadoop的core-site.xml中。

数据湖实操讲解【OSS 访问加速】第六讲：Hadoop/Spark 访问 OSS 加速

使用 JindoFSSDK 访问 OSS

用HadoopShell访问OSS，下面列举了几个常用的命令。

put操作：hadoop fs -put <path> oss://<bucket>/
ls 操作：hadoop fs -ls oss://<bucket>/
mkdir操作：hadoopfs -mkdiross://<bucket>/<path>
rm操作：hadoop fs rm oss://<bucket>/<path>

三、Spark 使用 JindoFS SDK 访问 OSS

在 Spark CLASSPATH 中添加 JindoFS SDK

下载最新的jar包 jindofs-sdk-x.x.x.jar，将sdk包安装到 Spark的classpath下。
cp jindofs-sdk-${version}.jar $SPARK_HOME/jars/

配置 JindoFS SDK

全局配置：参考 Hadoop 配置

任务级别配置：spark-submit --conf spark.hadoop.fs.AbstractFileSystem.oss.impl=com.aliyun.emr.fs.oss.OSS --conf spark.hadoop.fs.oss.impl=com.aliyun.emr.fs.oss.JindoOssFileSystem --conf spark.hadoop.fs.jfs.cache.oss.accessKeyId=xxx --conf spark.hadoop.fs.jfs.cache.oss.accessKeySecret=xxx --conf spark.hadoop.fs.jfs.cache.oss.endpoint=oss-cn-xxx.aliyuncs.com