本期导读 【JindoFS 缓存加速】第十二讲
主题 Spark 访问 OSS 透明缓存加速
讲师 辰山 阿里巴巴计算平台事业部 EMR 技术专家
内容框架
JIndoFS 缓存模式简介Spark 访问 OSS 的缓存加速缓存效果实操演示直播回放链接 12讲
https://developer.aliyun.com/live/246923
架构介绍
Jindo Namespace Service JindoFS 元数据管理以及 Storage 服务的管理Jindo Storage Service 用户数据的管理包含本地数据的管理和OSS上数据的管理Jindo SDK 客户端 所有上层计算引擎通过JindoFS SDK提供的客户端访问JindoFS文件系统 从而实现对后端存储实现缓存加速二、Spark 访问 OSS 的缓存加速部署缓存服务下载最新 Release包 b2smartdata-x.x.x.tar.gz 解压并部署到集群所有节点上修改配置文件conf/bigboot.cfg
?
修改 sbin/nodes 配置所有storage service的节点列表启动所有服务 ./sbin/start-service.sh参考网址
https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/jindofs_cache_mode_deploy.md
部署JIndo SDK安装 jar包 下载最新的jar包 jindofs-sdk-x.x.x.jar 将sdk包安装到Spark的classpath下。
cpjindofs-sdk-${version}.jar $SPARK_HOME/jars/
配置 JindoFS 实现类 将JindoFS 实现类配置到Hadoop的core-site.xml中配置OSS Access Key将OSS的Access Key、Access Key Secret、Endpoint等预先配置在Hadoop的core-site.xml中。
配置客户端连接缓存服务
客户端通过环境变量 B2SDK_CONF_DIR 定位并加载配置文件 bigboot.cfg
export B2SDK_CONF_DIR /path/to/sdk/conf
在配置目录下添加bigboot.cfg配置文件?client.storage.rpc.port 6101
?client.namespace.rpc.address :8101
?jfs.cache.data-cache.enable true
?完成以上配置之后 启动的 Spark 任务即可访问OSS
任务读取OSS上的数据后 会自动缓存到JindoFS缓存系统中 后续访问相同的数据就能够命中缓存
三、缓存效果缓存性能对比
基于TPC-DS对缓存模式进行性能测评
选择8个具有IO相对较高的SQL查询进行测试
结果如下
图解
蓝色为启用缓存执行时间 橙色为关闭缓存 用纯粹SDK方式访问OSS所用时间
可见执行时间得到近50%的提升 性能提升效果明显
详见 《JindoFS 缓存系统 Cache 模式 性能比较》
参考网址
https://github.com/aliyun/alibabacloud-jindofs/blob/master/docs/comparisons/jindofs_cache_vs_no_cache.md
?点击回放链接 直接观看第12讲视频回放 获取讲师实例讲解
https://developer.aliyun.com/live/246923
?Github链接
https://github.com/aliyun/alibabacloud-jindofs
不错过每次直播信息、探讨更多数据湖 JindoFS OSS 相关技术问题 欢迎扫码加入钉钉交流群
本文转自网络,原文链接:https://developer.aliyun.com/article/784861