计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
弹性伸缩 AS
镜像服务 IMS
专属主机 DeH
函数工作流 FunctionGraph
云手机服务器 CPH
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
虚拟专用网络 VPN
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
VPC终端节点 VPCEP
云连接 CC
企业路由器 ER
企业交换机 ESW
全球加速 GA
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
边缘安全 EdgeSec
态势感知 SA
威胁检测服务 MTD
CDN与智能边缘
内容分发网络 CDN
CloudPond云服务
智能边缘云 IEC
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
云搜索服务 CSS
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
数据可视化 DLV
数据湖工厂 DLF
湖仓构建 LakeFormation
企业应用
云桌面 Workspace
应用与数据集成平台 ROMA Connect
云解析服务 DNS
专属云
专属计算集群 DCC
IoT物联网
IoT物联网
设备接入 IoTDA
智能边缘平台 IEF
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
国际站常见问题
ICP备案
我的凭证
支持计划
客户运营能力
合作伙伴支持计划
专业服务
区块链
区块链服务 BCS
Web3节点引擎服务 NES
解决方案
SAP
高性能计算 HPC
视频
视频直播 Live
视频点播 VOD
媒体处理 MPC
实时音视频 SparkRTC
数字内容生产线 MetaStudio
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
存储容灾服务 SDRS
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
专属分布式存储服务 DSS
容器
云容器引擎 CCE
容器镜像服务 SWR
应用服务网格 ASM
华为云UCS
云容器实例 CCI
管理与监管
云监控服务 CES
统一身份认证服务 IAM
资源编排服务 RFS
云审计服务 CTS
标签管理服务 TMS
云日志服务 LTS
配置审计 Config
资源访问管理 RAM
消息通知服务 SMN
应用运维管理 AOM
应用性能管理 APM
组织 Organizations
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
应用身份管理服务 OneAccess
数据库
云数据库 RDS
文档数据库服务 DDS
数据管理服务 DAS
数据复制服务 DRS
云数据库 GeminiDB
云数据库 GaussDB
分布式数据库中间件 DDM
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
人脸识别服务 FRS
图引擎服务 GES
图像识别 Image
内容审核 Moderation
文字识别 OCR
AI开发平台ModelArts
图像搜索 ImageSearch
对话机器人服务 CBS
华为HiLens
视频智能分析服务 VIAS
语音交互服务 SIS
应用中间件
分布式缓存服务 DCS
API网关 APIG
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
多活高可用服务 MAS
事件网格 EG
企业协同
华为云会议 Meeting
云通信
消息&短信 MSGSMS
云生态
合作伙伴中心
云商店
开发者工具
SDK开发指南
API签名指南
Terraform
华为云命令行工具服务 KooCLI
其他
产品价格详情
系统权限
管理控制台
客户关联华为云合作伙伴须知
消息中心
公共问题
开发与运维
应用管理与运维平台 ServiceStage
软件开发生产线 CodeArts
需求管理 CodeArts Req
部署 CodeArts Deploy
性能测试 CodeArts PerfTest
编译构建 CodeArts Build
流水线 CodeArts Pipeline
制品仓库 CodeArts Artifact
测试计划 CodeArts TestPlan
代码检查 CodeArts Check
代码托管 CodeArts Repo
云应用引擎 CAE
开天aPaaS
云消息服务 KooMessage
云手机服务 KooPhone
云空间服务 KooDrive

Hadoop对接OBS

更新时间:2024-10-17 GMT+08:00

概述

Hadoop系统提供了分布式存储、计算和资源调度引擎,用于大规模数据处理和分析。OBS服务实现了Hadoop的HDFS协议,在大数据场景中可以替代Hadoop系统中的HDFS服务,实现Spark、MapReduce、Hive等大数据生态与OBS服务的对接,为大数据计算提供“数据湖”存储。

说明:

HDFS协议:Hadoop中定义了HDFS协议(通过FileSystem抽象类),其他各类存储系统均可以实现HDFS协议,例如Hadoop中内置的HDFS服务,华为云的对象存储服务OBS。

约束与限制

不支持以下HDFS语义:

  • Lease
  • Symbolic link operations
  • Proxy users
  • File concat
  • File checksum
  • File replication factor
  • Extended Attributes(XAttrs) operations
  • Snapshot operations
  • Storage policy
  • Quota
  • POSIX ACL
  • Delegation token operations

注意事项

为了减少日志输出,在/opt/hadoop-3.1.1/etc/hadoop/log4j.properties文件中增加配置:

log4j.logger.com.obs=ERROR

对接步骤

以Hadoop 3.1.1为例(建议使用最新的版本,不推荐使用低于2.8.3版本的hadoop与hadoop-huaweicloud配套使用)。

  1. 下载hadoop-3.1.1.tar.gz,并解压到/opt/hadoop-3.1.1目录。
  2. 在/etc/profile文件中增加配置内容:

    export HADOOP_HOME=/opt/hadoop-3.1.1
    export PATH=$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$PATH

  3. 安装hadoop-huaweicloud。

    1. 在官方Github下载hadoop-huaweicloud:下载地址
      说明:

      如果没有匹配版本的jar包,可自行修改hadoop-huaweicloud目录下pom文件中的hadoop版本重新编译生成。

    2. 将hadoop-huaweicloud-x.x.x-hw-y.jar拷贝到/opt/hadoop-3.1.1/share/hadoop/tools/lib和/opt/hadoop-3.1.1/share/hadoop/common/lib目录下。
      说明:

      hadoop-huaweicloud-x.x.x-hw-y.jar包含义:前三位x.x.x为配套hadoop版本号;最后一位y为OBSA版本号,y值最大为最新版本。如:hadoop-huaweicloud-3.1.1-hw-40.jar,3.1.1是配套hadoop版本号,40是OBSA的版本号。

  4. 配置hadoop。

    修改 /opt/hadoop-3.1.1/etc/hadoop/core-site.xml,增加OBS相关配置信息:

     1
     2
     3
     4
     5
     6
     7
     8
     9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    <property>
    <name>fs.obs.impl</name>
    <value>org.apache.hadoop.fs.obs.OBSFileSystem</value>
    </property>
    <property>
    <name>fs.AbstractFileSystem.obs.impl</name>
    <value>org.apache.hadoop.fs.obs.OBS</value>
    </property>
    <property>
    <name>fs.obs.access.key</name>
    <value>xxx</value>
    <description>HuaweiCloud Access Key Id</description>
    </property>
    <property>
    <name>fs.obs.secret.key</name>
    <value>xxx</value>
    <description>HuaweiCloud Secret Access Key</description>
    </property>
    <property>
    <name>fs.obs.endpoint</name>
    <value>xxx</value>
    <description>HuaweiCloud Endpoint</description>
    </property>
    

  5. 验证是否对接成功。

    您可以通过命令行和MR程序两种方式进行验证。示例如下:

    • 命令行

      hadoop fs -ls obs://obs-bucket/

      回显如下信息:

      -rw-rw-rw- 1 root root 1087 2018-06-11 07:49 obs://obs-bucket/test1
      -rw-rw-rw- 1 root root 1087 2018-06-11 07:49 obs://obs-bucket/test2
    • MR程序

      hadoop jar share/hadoop/mapreduce/hadoop-mapreduce-examples-3.1.1.jar wordcount obs://example-bucket/input/test.txt obs://obs-bucket/output

【附】hadoop-huaweicloud相关配置

配置项

默认值

是否必填

说明

fs.obs.impl

org.apache.hadoop.fs.obs.OBSFileSystem

-

fs.AbstractFileSystem.obs.impl

org.apache.hadoop.fs.obs.OBS

-

fs.obs.endpoint

华为云OBS的终端节点(Endpoint)。

fs.obs.access.key

华为云的AK(Access Key Id),需要具备访问OBS对应桶的权限。

fs.obs.secret.key

华为云的SK(Secret Access Key),需要具备访问OBS对应桶的权限。

fs.obs.session.token

华为云的securitytoken,需要具备访问OBS对应桶的权限。当使用临时AK/SK时需要。

fs.obs.security.provider

实现com.obs.services.IObsCredentialsProvider接口的类,用于获取访问OBS的凭证。

fs.obs.connection.ssl.enabled

FALSE

是否通过HTTPS访问OBS。

fs.obs.threads.keepalivetime

60

控制读写线程池参数keepAliveTime。

fs.obs.threads.max

20

控制读写线程池参数corePoolSize和maximumPoolSize

fs.obs.max.total.tasks

20

控制读写线程池参数BlockingQueue的容量,其等于fs.obs.threads.max+fs.obs.max.total.tasks

fs.obs.multipart.size

104857600

写相关配置,多段上传大小。

fs.obs.fast.upload.buffer

disk

写相关配置,所有数据在写入OBS前都会先缓存然后再上传到OBS,此参数用于设置缓存方式,取值范围:

  • disk:缓存在磁盘
  • array:缓存在JVM堆内内存
  • bytebuffer:缓存在JVM堆外内存

fs.obs.buffer.dir

${hadoop.tmp.dir}

写相关配置,当fs.obs.fast.upload.buffer为disk时的缓存目录,支持多目录并以逗号分隔。

fs.obs.bufferdir.verify.enable

FALSE

写相关配置,当fs.obs.fast.upload.buffer为disk时是否验证缓存目录是否存在以及是否具备写权限。

fs.obs.fast.upload.active.blocks

4

写相关配置,每个流操作最大可以使用的缓存个数(通过多段上传线程池最多可以提交的线程任务个数),从而限制每个流操作最大可以使用的缓存空间fs.obs.fast.upload.active.blocks*fs.obs.multipart.size。

fs.obs.fast.upload.array.first.buffer

1048576

写相关配置,当fs.obs.fast.upload.buffer为array时,此参数控制JVM堆内缓存初始化大小

fs.obs.readahead.range

1048576

写相关配置,预读片段大小。

fs.obs.multiobjectdelete.enable

TRUE

删除相关配置,删除目录时是否启动批量删除。

fs.obs.delete.threads.max

20

删除相关配置,控制线程池参数maximumPoolSize和corePoolSize

fs.obs.multiobjectdelete.maximum

1000

删除相关配置,批量删除时单次OBS批量删除请求中支持的最多可删除对象的个数,最大值为1000。

fs.obs.multiobjectdelete.threshold

3

删除相关配置,批量删除时当对象个数小于此参数值时将不启动批量删除。

fs.obs.list.threads.core

30

List相关配置,控制线程池参数corePoolSize

fs.obs.list.threads.max

60

List相关配置,控制线程池参数maximumPoolSize

fs.obs.list.workqueue.capacity

1024

List相关配置,控制线程池参数BlockingQueue的容量

fs.obs.list.parallel.factor

30

List相关配置,控制并发因子参数。

fs.obs.paging.maximum

1000

List相关配置,单次OBS List请求最多返回的对象个数,最大值为1000。

fs.obs.copy.threads.max

40

对象桶rename相关配置,对象桶rename目录时copy线程池配置参数maximumPoolSize,corePoolSize的值为此参数的一半,BlockingQueue的容量为1024。

fs.obs.copypart.size

104857600

对象桶rename相关配置,单个对象copy时当对象的大小超过了此参数值则进行多段copy,且段大小为此参数值;否则进行简单copy。

fs.obs.copypart.threads.max

5368709120

对象桶rename相关配置,单个对象copy时如果进行了多段copy,多段copy线程池配置参数maximumPoolSize,corePoolSize的值为此参数的一半,BlockingQueue的容量为1024。

fs.obs.getcanonicalservicename.enable

FALSE

控制getCanonicalServiceName()接口的返回值。

  • TRUE:obs://bucketname
  • FALSE:null

fs.obs.multipart.purge

FALSE

初始化OBSFilesystem时是否清理桶内的多段上传任务。

fs.obs.multipart.purge.age

86400

初始化OBSFilesystem时清理桶内多久之前的多段上传任务。

fs.obs.trash.enable

FALSE

是否开启垃圾回收功能。

fs.obs.trash.dir

垃圾回收目录。

fs.obs.block.size

134217728

块大小。

我们使用cookie来确保您的高速浏览体验。继续浏览本站,即表示您同意我们使用cookie。 详情

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容