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。

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”。

图1 添加Spark自定义参数
在搜索框中搜索参数“spark.sql.statistics.fallBackToHdfs”，修改该参数值为“false”。

图2 修改“spark.sql.statistics.fallBackToHdfs”参数值
保存配置并重启JDBCServer2x实例。
使用安装客户端用户登录客户端安装节点。
配置环境变量。
source 客户端安装目录/bigdata_env
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
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/';
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3 Spark2x验证返回已创建的表名
使用“Ctrl + C”退出spark beeline。

修改配置文件：

vim 客户端安装目录/Spark2x/spark/conf/hdfs-site.xml

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

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
在spark-sql中访问OBS，例如在“obs://mrs-word001/table/”目录中创建表“test”。
1. 进入spark bin目录：cd 客户端安装目录/Spark2x/spark/bin，执行./spark-sql登录spark-sql命令行。
2. 在spark-sql命令行执行以下命令：
  create table test(id int) location 'obs://mrs-word001/table/';
执行语句show tables;查看表是否存在。
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 客户端安装目录/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
图4 添加OBS日志级别

修改配置文件：

vim 客户端安装目录/Spark2x/spark/conf/hdfs-site.xml

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

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
创建OBS文件。
1. 执行以下命令登录spark-sql命令行：
  cd 客户端安装目录/Spark2x/spark/bin
  
  ./spark-sql
2. 执行以下命令在OBS中创建表并插入数据：
  create database test location "obs://并行文件系统路径/test";
  
  use test;
  
  create table test1(a int,b int) using parquet;
  
  insert into test1 values(1,2);
  
  desc formatted test1;
  
  图5 查看表Location
进入spark bin目录：
cd 客户端安装目录/Spark2x/spark/bin

执行./spark-shell登录spark-shell命令行。
在spark-shell命令行执行以下命令查询5.b创建的表数据：
spark.read.format("parquet").load("obs://并行文件系统路径/test1").show();

图6 查看表数据
执行 :quit 退出spark-shell命令行。