通过Spark SQL读写AWS S3外表

前提条件

• AnalyticDB for MySQL集群的产品系列为企业版、基础版或湖仓版。

• 已创建AnalyticDB for MySQL集群的数据库账号。

  • 如果是通过阿里云账号访问，只需创建高权限账号。具体操作，请参见创建高权限账号。

  • 如果是通过RAM用户访问，需要创建高权限账号和普通账号并且将RAM用户绑定到普通账号上。具体操作，请参见创建数据库账号和绑定或解绑RAM用户与数据库账号。

• 已在AnalyticDB for MySQL集群中创建Job型资源组。具体操作，请参见新建资源组。

• 已授权AnalyticDB for MySQL扮演AliyunADBSparkProcessingDataRole角色来访问其他云资源。具体操作，请参见账号授权。

• 已配置Spark公网环境。具体操作，请参见Spark应用访问公网配置说明。

• 已开通OSS服务并创建存储空间。具体操作，请参见开通OSS服务和创建存储空间。

操作步骤

1. 下载AnalyticDB for MySQL Spark访问AWS S3依赖的JAR包：hadoop-aws-3.3.2.jar和aws-java-sdk-bundle-1.12.712.jar。

2. 将两个JAR包上传至OSS。本文上传路径以oss://testBucketName/path/to为例。具体操作，请参见简单上传。

3. 登录云原生数据仓库AnalyticDB MySQL控制台，在左上角选择集群所在地域。在左侧导航栏，单击集群列表，在企业版、基础版或湖仓版页签下，单击目标集群ID。

4. 在左侧导航栏，单击作业开发 > SQL开发。

5. 在SQLConsole窗口，选择Spark引擎和Job型资源组。

6. 在SQLConsole窗口中输入以下作业内容：

   --作业配置
   SET spark.adb.eni.vswitchId=vsw-bp1spuegbpswyk9****;
   SET spark.adb.eni.securityGroupId=sg-bp18rb6aucqaab****;
   SET spark.hadoop.fs.s3a.endpoint=s3.us-west-2.amazonaws.com;
   SET spark.hadoop.fs.s3a.access.key=AKAARTMSBOR4KC****;
   SET spark.hadoop.fs.s3a.secret.key=5aJuf42w6syiVQ5UnZcwLqXiUSP5SxWnBr****;
   SET spark.sql.catalogImplementation=hive;
   
   --加载连接AWS S3需要使用的JAR包
   ADD JAR 'oss://testBucketName/path/to/hadoop-aws-3.3.2.jar';
   ADD JAR 'oss://testBucketName/path/to/aws-java-sdk-bundle-1.12.712.jar';
   
   --创建AWS S3外库和外表
   CREATE DATABASE IF NOT EXISTS aws_test location 's3a://testBucketNameS3/spark_test/db';
   USE aws_test;
   CREATE TABLE IF NOT EXISTS test_tbl(id INT, name STRING) location 's3a://testBucketNameS3/spark_test/db/tbl';
   
   --向AWS S3外表中写入数据
   INSERT INTO test_tbl VALUES (2, 'aaa');
   
   --读取AWS S3数据
   SELECT * FROM test_tbl;

   参数说明如下。

   参数	说明
   spark.adb.eni.vswitchId	弹性网卡的交换机ID。此处需填写为Spark公网环境中指定的交换机ID。
   spark.adb.eni.securityGroupId	弹性网卡的安全组ID，此处需填写为Spark公网环境中指定的安全组ID。
   spark.hadoop.fs.s3a.endpoint	AWS S3 Bucket所在地域的Endpoint。获取方法，请参见所在地域的Endpoint。
   spark.hadoop.fs.s3a.access.key	访问AWS S3 Bucket权限的AccessKey。
   spark.hadoop.fs.s3a.secret.key	访问AWS S3 Bucket权限的SecretKey。
   spark.sql.catalogImplementation	Spark使用的Catalog类型，此处需填写为hive。

   其他参数请参见Spark应用配置参数说明。

7. 单击立即执行，执行完成后，您可以在Spark Jar 开发页面应用列表页签中的日志查看数据。详情请参见Spark开发编辑器。