对接大数据组件-华为云

对象存储服务 OBS-Hadoop对接OBS:【附】hadoop-huaweicloud相关配置

【附】hadoop-huaweicloud相关配置配置项默认值是否必填说明 fs.obs.impl org.apache.hadoop.fs.obs.OBSFileSystem 是 - fs.AbstractFileSystem.obs.impl org.apache.hadoop.fs.obs.OBS 是 - fs.obs.endpoint 无是华为云OBS的终端节点（Endpoint）。 fs.obs.access.key 无是华为云的AK（Access Key Id），需要具备访问OBS对应桶的权限。 fs.obs.secret.key 无是华为云的SK（Secret Access Key），需要具备访问OBS对应桶的权限。 fs.obs.session.token 无否华为云的securitytoken，需要具备访问OBS对应桶的权限。当使用临时AK/SK时需要。 fs.obs.security.provider 无否实现com.obs.services.IObsCredentialsProvider接口的类，用于获取访问OBS的凭证。 fs.obs.connection.ssl.enabled FALSE 否是否通过HTTPS访问OBS。 fs.obs.threads.keepalivetime 60 否控制读写线程池参数keepAliveTime。 fs.obs.threads.max 20 否控制读写线程池参数corePoolSize和maximumPoolSize fs.obs.max.total.tasks 20 否控制读写线程池参数BlockingQueue的容量，其等于fs.obs.threads.max+fs.obs.max.total.tasks fs.obs.multipart.size 104857600 否写相关配置，多段上传大小。 fs.obs.fast.upload.buffer disk 否写相关配置，所有数据在写入OBS前都会先缓存然后再上传到OBS，此参数用于设置缓存方式，取值范围： disk：缓存在磁盘 array：缓存在JVM堆内内存 bytebuffer：缓存在JVM堆外内存 fs.obs.buffer.dir ${hadoop.tmp.dir} 否写相关配置，当fs.obs.fast.upload.buffer为disk时的缓存目录，支持多目录并以逗号分隔。 fs.obs.bufferdir.verify.enable FALSE 否写相关配置，当fs.obs.fast.upload.buffer为disk时是否验证缓存目录是否存在以及是否具备写权限。 fs.obs.fast.upload.active.blocks 4 否写相关配置，每个流操作最大可以使用的缓存个数（通过多段上传线程池最多可以提交的线程任务个数），从而限制每个流操作最大可以使用的缓存空间fs.obs.fast.upload.active.blocks*fs.obs.multipart.size。 fs.obs.fast.upload.array.first.buffer 1048576 否写相关配置，当fs.obs.fast.upload.buffer为array时，此参数控制JVM堆内缓存初始化大小 fs.obs.readahead.range 1048576 否写相关配置，预读片段大小。 fs.obs.multiobjectdelete.enable TRUE 否删除相关配置，删除目录时是否启动批量删除。 fs.obs.delete.threads.max 20 否删除相关配置，控制线程池参数maximumPoolSize和corePoolSize fs.obs.multiobjectdelete.maximum 1000 否删除相关配置，批量删除时单次OBS批量删除请求中支持的最多可删除对象的个数，最大值为1000。 fs.obs.multiobjectdelete.threshold 3 否删除相关配置，批量删除时当对象个数小于此参数值时将不启动批量删除。 fs.obs.list.threads.core 30 否 List相关配置，控制线程池参数corePoolSize fs.obs.list.threads.max 60 否 List相关配置，控制线程池参数maximumPoolSize fs.obs.list.workqueue.capacity 1024 否 List相关配置，控制线程池参数BlockingQueue的容量 fs.obs.list.parallel.factor 30 否 List相关配置，控制并发因子参数。 fs.obs.paging.maximum 1000 否 List相关配置，单次OBS List请求最多返回的对象个数，最大值为1000。 fs.obs.copy.threads.max 40 否对象桶rename相关配置，对象桶rename目录时copy线程池配置参数maximumPoolSize，corePoolSize的值为此参数的一半，BlockingQueue的容量为1024。 fs.obs.copypart.size 104857600 否对象桶rename相关配置，单个对象copy时当对象的大小超过了此参数值则进行多段copy，且段大小为此参数值；否则进行简单copy。 fs.obs.copypart.threads.max 5368709120 否对象桶rename相关配置，单个对象copy时如果进行了多段copy，多段copy线程池配置参数maximumPoolSize，corePoolSize的值为此参数的一半，BlockingQueue的容量为1024。 fs.obs.getcanonicalservicename.enable FALSE 否控制getCanonicalServiceName()接口的返回值。 TRUE：obs://bucketname FALSE：null fs.obs.multipart.purge FALSE 否初始化OBSFilesystem时是否清理桶内的多段上传任务。 fs.obs.multipart.purge.age 86400 否初始化OBSFilesystem时清理桶内多久之前的多段上传任务。 fs.obs.trash.enable FALSE 否是否开启垃圾回收功能。 fs.obs.trash.dir 无否垃圾回收目录。 fs.obs.block.size 134217728 否块大小。

对象存储服务 OBS 对接大数据组件

对象存储服务 OBS-Hadoop对接OBS:约束与限制

约束与限制不支持以下HDFS语义： Lease Symbolic link operations Proxy users File concat File checksum File replication factor Extended Attributes(XAttrs) operations Snapshot operations Storage policy Quota POSIX ACL Delegation token operations

对象存储服务 OBS 对接大数据组件

对象存储服务 OBS-Hadoop对接OBS:概述

概述 Hadoop系统提供了分布式存储、计算和资源调度引擎，用于大规模数据处理和分析。OBS服务实现了Hadoop的HDFS协议，在大数据场景中可以替代Hadoop系统中的HDFS服务，实现Spark、MapReduce、Hive等大数据生态与OBS服务的对接，为大数据计算提供“ 数据湖 ”存储。 HDFS协议：Hadoop中定义了HDFS协议（通过FileSystem抽象类），其他各类存储系统均可以实现HDFS协议，例如Hadoop中内置的HDFS服务，华为云的对象存储服务 OBS。

对象存储服务 OBS 对接大数据组件

对象存储服务 OBS-Druid对接OBS:对接步骤

对接步骤配置Druid。修改配置： conf/druid/single-server/micro-quickstart/_common/common.runtime.properties 将druid-hdfs-storage加入druid.extensions.loadList。配置Deep storage在OBS中的存储路径。配置OBSA-HDFS插件。在官方Github下载OBSA-HDFS插件：下载地址，然后拷贝到extensions/druid-hdfs-storage/ 目录。在配置目录conf/druid/single-server/micro-quickstart/_common/下增加hdfs-site.xml，配置如下（其中endpoint按照桶所在的实际endpoint填写）：启动Druid服务。

对象存储服务 OBS 对接大数据组件

对象存储服务 OBS-Logstash对接OBS:对接步骤

对接步骤以logstash-7.10.2为例。下载logstash-7.10.2-linux-x86_64.tar.gz，并解压到/opt/logstash-7.10.2-linux-x86_64目录。验证是否对接成功。示例：以file为源端，以OBS为目的端。创建配置文件file2obs.conf。参数说明见表1，更多详情请参见这里。 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 { "input": { "file": { "path" : "/opt/nginx/logs/access.log", "start_position" : "beginning" } }, "output": { "s3": { "endpoint" : "obs endpoint",, "bucket" : "obs桶名", "access_key_id" : "ak", "secret_access_key" : "sk", "size_file" : 1048576, "time_file" : 1, "prefix" : "logstash/", "enable_metric" : true } } } 表1 参数说明参数说明 endpoint OBS的endpoint，例如 https://obs.cn-north-4.myhuaweicloud.com http://obs.cn-north-4.myhuaweicloud.com access_key_id 具备访问OBS权限的ak。 secret_access_key 具备访问OBS权限的sk。 bucket OBS的桶名称。 size_file 指定文件滚动大小（字节）。当文件大小达到设定的值时，会生成一个新的文件。 time_file 设置文件滚动周期（分钟）。当数据写入达到设定周期时，会生成一个新的文件。 prefix 指定文件存储的目录，例如“logstash/”，此时文件会写入到桶的logstash/目录下（注意路径不要以/开头）。执行以下命令，运行logstash。 bin/logstash -f ../conf/file2obs.conf

对象存储服务 OBS 对接大数据组件

对象存储服务 OBS-Spark对接OBS:对接步骤

对接步骤以Spark2.3.3为例。下载spark-2.3.3-bin-without-hadoop.tgz，并解压到/opt/spark-2.3.3。在/etc/profile文件中增加配置内容： export SPARK_HOME=/opt/spark-2.3.3export PATH=$SPARK_HOME/bin:$SPARK_HOME/sbin:$PATH 配置spark。重命名/opt/spark-2.3.3/conf/spark-env.sh.template为spark-env.sh并增加配置： export SPARK_DIST_CLASSPATH=$(hadoop classpath) 更多配置内容请参见Apache Hadoop。重命名/opt/spark-2.3.3/conf/log4j.properties.template为log4j.properties。执行以下命令，验证是否对接成功。 $SPARK_HOME/bin/run-example org.apache.spark.examples.JavaWordCount obs://obs-bucket/input/test.txt

对象存储服务 OBS 对接大数据组件

云服务器内容精选

对接大数据组件

7*24

备案

专业服务

退订

建议反馈

售前咨询热线