非EMR集群接入OSS-HDFS服务的快速入门_对象存储-阿里云帮助中心

OSS-HDFS服务（JindoFS服务）完全兼容HDFS接口，同时支持目录层级的操作。JindoSDK为Apache Hadoop的计算分析应用（例如MapReduce、Hive、Spark、Flink等）提供了访问HDFS服务的能力。本文介绍如何通过在ECS实例中部署JindoSDK，然后完成OSS-HDFS服务快速入门相关操作。

前提条件

已创建ECS实例。具体步骤，请参见选购ECS实例。
已创建Hadoop环境。具体步骤，请参见创建Hadoop运行环境。
已开通并授权访问OSS-HDFS服务。具体操作，请参见开通并授权访问OSS-HDFS服务。

操作视频

观看以下视频了解如何通过非EMR集群快速接入OSS-HDFS服务并完成常见操作。

操作步骤

连接ECS实例。具体操作，请参见连接ECS实例。
下载并解压JindoSDK JAR包。
1. 执行以下命令，下载最新版本的JindoSDK JAR包。下载地址，请参见GitHub。
```
wget https://jindodata-binary.oss-cn-shanghai.aliyuncs.com/release/x.x.x/jindosdk-x.x.x.tar.gz
```
  说明 x.x.x表示JindoSDK JAR包版本号。
2. 执行以下命令，解压JindoSDK JAR包。
```
tar zxvf jindosdk-x.x.x.tar.gz
```
配置环境变量。
1. 配置JINDOSDK_HOME。
  以安装包内容解压在/usr/lib/jindosdk-x.x.x目录为例：
```
export JINDOSDK_HOME=/usr/lib/jindosdk-x.x.x
```
2. 配置HADOOP_CLASSPATH。
```
export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:${JINDOSDK_HOME}/lib/*
```
  重要请将安装目录和环境变量部署到所有所需节点上。

配置JindoFS服务实现类及AccessKey。

执行以下命令，进入Hadoop的core-site.xml配置文件。
```
vim /usr/local/hadoop/etc/hadoop/core-site.xml
```

将JindoSDK DLS实现类配置到Hadoop的core-site.xml中。

<configuration>
    <property>
        <name>fs.AbstractFileSystem.oss.impl</name>
        <value>com.aliyun.jindodata.oss.JindoOSS</value>
    </property>

    <property>
        <name>fs.oss.impl</name>
        <value>com.aliyun.jindodata.oss.JindoOssFileSystem</value>
    </property>
</configuration>

将已开启HDFS服务的Bucket对应的accessKeyId、accessKeySecret预先配置在Hadoop的core-site.xml中。

<configuration>
    <property>
        <name>fs.oss.accessKeyId</name>
        <value>xxx</value>
    </property>

    <property>
        <name>fs.oss.accessKeySecret</name>
        <value>xxx</value>
    </property>
</configuration>

配置JindoFS服务Endpoint。
使用JindoFS服务访问OSS Bucket时需要配置Endpoint。推荐访问路径格式为oss://<Bucket>.<Endpoint>/<Object>，例如oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/exampleobject.txt。配置完成后，JindoSDK会根据访问路径中的Endpoint访问对应的JindoFS服务接口。
您还可以通过其他方式配置JindoFS服务Endpoint，且不同方式配置的Endpoint存在生效优先级。更多信息，请参见附录一：配置Endpoint的其他方式。
通过HDFS Shell命令执行OSS-HDFS服务快速入门常见操作。
- 上传文件
  将本地根目录下的examplefile.txt文件上传至examplebucket，示例如下：
```
hdfs dfs -put examplefile.txt oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/
```
- 新建目录
  在examplebucket下创建名为dir/的目录，示例如下：
```
hdfs dfs -mkdir oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/dir/
```
- 查看文件或目录信息
  查看examplebucket下的文件或目录信息，示例如下：
```
hdfs dfs -ls oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/
```
- 获取文件或目录大小
  获取examplebucket下所有文件或目录的大小，示例如下：
```
hdfs dfs -du oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/
```
- 查看文件内容
  查看examplebucket下名为localfile.txt的文件内容，示例如下：
```
hdfs dfs -cat oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/localfile.txt
```
  重要查看文件内容时，文件内容将以纯文本形式打印到屏幕上。如果文件内容进行了特定格式的编码，请使用HDFS的Java API读取并解码文件内容。
- 拷贝目录或文件
  例如，将examplebucket下根目录subdir1拷贝到目录subdir2下，且根目录subdir1所在的位置、根目录下的文件和子目录结构和内容保持不变，示例如下：
```
hdfs dfs -cp oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/subdir1  oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/subdir2/subdir1
```
- 移动目录或文件
  例如，将examplebucket根目录srcdir及其包含的文件或者子目录移动至另一个根目录destdir下，示例如下：
```
hdfs dfs -mv oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/srcdir  oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/destdir
```
- 下载文件
  将examplebucket下的exampleobject.txt下载到本地根目录文件夹/tmp，示例如下：
```
hdfs dfs -get oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/exampleobject.txt  /tmp/
```
- 删除目录或文件
  删除examplebucket下destfolder/目录及其目录下的所有文件，示例如下：
```
hdfs dfs -rm oss://examplebucket.cn-shanghai.oss-dls.aliyuncs.com/destfolder/
```

附录一：配置Endpoint的其他方式

除上述提到的在访问路径中指定Endpoint的方式以外，您还可以通过以下两种方式配置JindoFS服务的Endpoint：

Bucket级别的Endpoint

如果使用oss://<Bucket>/<Object>格式的访问路径，即访问路径中未设置Endpoint。此时，您可以在Hadoop的配置文件core-site.xml中设置Bucket级别的Endpoint，从而指向JindoFS服务的Endpoint。

<configuration>
    <property>
        <!-- 以下examplebucket为开通HDFS服务的Bucket名称，其他Bucket请根据实际情况替换。 -->
        <name>fs.oss.bucket.examplebucket.endpoint</name>
        <!-- 以下以杭州地域为例，其他地域请根据实际情况替换。 -->
        <value>cn-hangzhou.oss-dls.aliyuncs.com</value>
    </property>
</configuration>

全局默认Endpoint
如果使用oss://<Bucket>/<Object>格式的访问路径，且访问路径中未设置Bucket级别的Endpoint，则默认使用全局Endpoint的方式访问JindoFS服务。在Hadoop的配置文件core-site.xml中设置全局默认Endpoint的方式如下：
```
<configuration>
    <property>
        <name>fs.oss.endpoint</name>
        
        <value>cn-hangzhou.oss-dls.aliyuncs.com</value>
    </property>
</configuration>
```

说明通过不同方式配置Endpoint后，Endpoint生效优先级为访问路径中的Endpoint>Bucket级别的Endpoint>全局默认Endpoint。

附录二：性能调优

您可以结合实际业务需求，将以下配置项添加到Hadoop的core-site.xml中。仅JindoSDK 4.0及以上版本支持以下配置项。

<configuration>

    <property>
          <!-- 客户端写入的临时文件目录，可配置多个，每个临时文件目录需以逗号隔开。多用户环境需配置可读写权限 -->
        <name>fs.oss.tmp.data.dirs</name>
        <value>/tmp/</value>
    </property>

    <property>
          <!-- 访问OSS失败重试次数 -->
        <name>fs.oss.retry.count</name>
        <value>5</value>
    </property>

    <property>
          <!-- 请求OSS超时时间（毫秒） -->
        <name>fs.oss.timeout.millisecond</name>
        <value>30000</value>
    </property>

    <property>
          <!-- 连接OSS超时时间（毫秒） -->
        <name>fs.oss.connection.timeout.millisecond</name>
        <value>3000</value>
    </property>

    <property>
          <!-- OSS单个文件并发上传线程数 -->
        <name>fs.oss.upload.thread.concurrency</name>
        <value>5</value>
    </property>

    <property>
          <!-- OSS并发上传任务队列大小 -->
        <name>fs.oss.upload.queue.size</name>
        <value>5</value>
    </property>

    <property>
          <!-- 进程内OSS最大并发上传任务数 -->
        <name>fs.oss.upload.max.pending.tasks.per.stream</name>
        <value>16</value>
    </property>

    <property>
          <!-- OSS并发下载任务队列大小 -->
        <name>fs.oss.download.queue.size</name>
        <value>5</value>
    </property>

    <property>
          <!-- 进程内OSS最大并发下载任务数 -->
        <name>fs.oss.download.thread.concurrency</name>
        <value>16</value>
    </property>

    <property>
          <!-- 预读OSS的buffer大小 -->
        <name>fs.oss.read.readahead.buffer.size</name>
        <value>1048576</value>
    </property>

    <property>
          <!-- 同时预读OSS的buffer个数 -->
        <name>fs.oss.read.readahead.buffer.count</name>
        <value>4</value>
    </property>

</configuration>