在EMR Hive或Spark中访问OSS-HDFS_开源大数据平台 E-MapReduce(EMR)-阿里云帮助中心

EMR-3.42及后续版本或EMR-5.8.0及后续版本的集群，支持OSS-HDFS（JindoFS服务）作为数据存储，提供缓存加速服务和Ranger鉴权功能，使得在Hive或Spark等大数据ETL场景将获得更好的性能和HDFS平迁能力。本文为您介绍E-MapReduce（简称EMR）Hive或Spark如何操作OSS-HDFS。

背景信息

OSS-HDFS服务是一款云原生数据湖存储产品，基于统一的元数据管理能力，在完全兼容HDFS文件系统接口的同时，提供充分的POSIX能力支持，能更好的满足大数据和AI领域丰富多样的数据湖计算场景，详细信息请参见OSS-HDFS服务概述。

前提条件

已在EMR上创建集群，具体操作请参见创建集群。

步骤一：开启OSS-HDFS

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。

步骤二：获取HDFS服务域名

在OSS管理控制台的概览页面，复制HDFS服务的域名，在步骤三：在EMR集群中使用OSS-HDFS中创建Hive表时会用到。 HDFS Endpoint

步骤三：在EMR集群中使用OSS-HDFS

说明本示例以Hive操作OSS-HDFS为例介绍。您也可以参照此方式使用Spark操作OSS-HDFS。

登录集群，具体操作请参见登录集群。
创建指向OSS-HDFS的Hive表。
1. 执行以下命令，进入Hive命令行。
```
hive
```
2. 执行以下命令，创建指向OSS-HDFS的数据库。
```
CREATE DATABASE if not exists dw LOCATION 'oss://<yourBucketName>.<yourBucketEndpoint>/<path>';
```
  说明
  
  上述命令中的dw为数据库名，<path>为任意路径，<yourBucketName>.<yourBucketEndpoint>为步骤二：获取HDFS服务域名中您获取到的HDFS服务的域名。
  
  本示例使用OSS-HDFS的域名作为路径的前缀。如果您希望只使用Bucket名称来指向OSS-HDFS，则可以配置Bucket级别的Endpoint或全局Endpoint，具体操作请参见附录一：配置Endpoint的其他方式。
3. 执行以下命令，使用新创建的数据库。
```
use dw;
```
4. 执行以下命令，在新建的数据库下创建表。
```
CREATE TABLE IF NOT EXISTS employee(eid int, name String,salary String,destination String)
COMMENT 'Employee details';
```
5. 执行以下命令，查看表信息。
```
desc formatted employee;
```
  返回信息如下所示，通过Location参数可以看到该表指向的路径已经在OSS-HDFS上。
```
# col_name              data_type               comment

eid                     int
name                    string
salary                  string
destination             string

# Detailed Table Information
Database:               dw
Owner:                  root
CreateTime:             Fri May 06 16:40:06 CST 2022
LastAccessTime:         UNKNOWN
Retention:              0
Location:               oss://****.cn-hangzhou.oss-dls.aliyuncs.com/dw/employee
Table Type:             MANAGED_TABLE
```
向表中插入数据。
使用INSERT INTO语句向表写入数据，该语句会产生MapReduce作业。
```
INSERT INTO employee(eid, name, salary, destination) values(1, 'liu hua', '100.0', '');
```

验证表数据。

SELECT * FROM employee WHERE eid = 1;

返回信息中会包含插入的数据。

OK
1       liu hua 100.0
Time taken: 12.379 seconds, Fetched: 1 row(s)

为EMR集群授权

如果您的EMR集群不是使用的默认AliyunECSInstanceForEMRRole实例角色，则需要为EMR集群授权。

当前EMR的实例角色AliyunECSInstanceForEMRRole，其关联的AliyunECSInstanceForEMRRolePolicy默认已经添加了oss:PostDataLakeStorageFileOperation策略，因此默认情况下，您无需重新对EMR授权访问OSS-HDFS服务。