数据湖实操讲解【JindoFS 缓存加速】第十二讲：Spark 访问 OSS

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 :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

本文转自网络，原文链接：https://developer.aliyun.com/article/784861
本站部分内容转载于网络，版权归原作者所有，转载之目的在于传播更多优秀技术内容，如有侵权请联系QQ/微信：153890879删除，谢谢！