更新时间:2023-03-17 GMT+08:00

Spark2x对接OBS文件系统

MRS集群支持Spark2x在集群安装完成后对接OBS文件系统。

使用本章节前已参考配置存算分离集群(委托方式)配置存算分离集群(AKSK方式)完成存算分离集群配置。

集群安装后使用spark beeline

  1. 登录FusionInsight Manager,选择“集群 > 服务 > Spark2x > 配置 > 全部配置”。

    在左侧的导航列表中选择“JDBCServer2x > 自定义”。在参数“spark.hdfs-site.customized.configs”中添加配置项“dfs.namenode.acls.enabled”,值为“false”

  2. 在搜索框中搜索参数“spark.sql.statistics.fallBackToHdfs”,修改该参数值为“false”。

  3. 保存配置并重启JDBCServer2x实例。
  4. 使用安装客户端用户登录客户端安装节点。
  5. 配置环境变量。

    source ${client_home}/bigdata_env

  6. 如果是安全集群,使用以下命令用户进行用户认证,如果当前集群未启用Kerberos认证,则无需执行此命令。

    kinit 用户名

  7. 在spark-beeline中访问OBS,例如在“obs://mrs-word001/table/”目录中创建表“test”

    create table test(id int) location 'obs://mrs-word001/table/';

  8. 执行如下命令查询所有表,返回结果中存在表test,即表示访问OBS成功。

    show tables;

    图1 Spark2x验证返回已创建的表名

  9. 使用“Ctrl + C”退出spark beeline。

集群安装后使用spark sql

  1. 使用安装客户端用户登录客户端安装节点。
  2. 配置环境变量。

    source ${client_home}/bigdata_env

  3. 修改配置文件:

    vim ${client_home}/Spark2x/spark/conf/hdfs-site.xml

    <property>
    <name>dfs.namenode.acls.enabled</name>
    <value>false</value>
    </property>

  4. 如果是安全集群,使用以下命令用户进行用户认证,如果当前集群未启用Kerberos认证,则无需执行此命令。

    kinit 用户名

  5. 在spark-sql中访问OBS,例如在“obs://mrs-word001/table/”目录中创建表“test”
  6. 进入spark bin目录:cd ${client_home}/Spark2x/spark/bin,执行./spark-sql登录spark-sql命令行。
  7. 在spark-sql命令行执行以下命令:

    create table test(id int) location 'obs://mrs-word001/table/';

  8. 执行语句show tables;查看表是否存在。
  9. 执行exit;退出spark-sql命令行。

    OBS文件系统打印大量日志可能导致读写性能受影响,可通过调整OBS客户端日志级别优化,日志调整方式如下:

    cd ${client_home}/Spark2x/spark/conf

    vi log4j.properties

    在文件中添加OBS日志级别配置

    log4j.logger.org.apache.hadoop.fs.obs=WARN

    log4j.logger.com.obs=WARN