火山引擎 E-MapReduce 支持集成和管理 Hadoop、Spark、Hive、Flink 等生态组件。本文介绍如何配置 MapReduce 上的 HDFS 服务来使用文件存储 CloudFS。

前提条件

在配置 MapReduce 使用 CloudFS，确保您已经完成以下准备工作：

• 开通大数据文件存储服务 CloudFS 并创建文件存储，获取挂载信息。详细操作请参考创建文件存储系统。
• 开通 E-MapReduce 服务并创建集群。详细操作请参考E-MapReduce 集群创建。
• 已完成 MapReduce 数据迁移。

步骤一：配置 MapReduce 的 HDFS 服务

1. 执行以下命令，下载1.5.3.49版本的CloudfsSDK包。

wget https://cloudfs.tos-cn-beijing.volces.com/sdk/prod/cloudfs-client-1.5.3.49.tar.gz

2. 执行以下命令，解压CloudfsSDK包。

tar -zxvf cloudfs-client-1.5.3.49.tar.gz

3. 将解压文件cloudfs-client/lib/cloudfs-sdk-1.5.3.49.jar拷贝至集群/share/hadoop/hdfs路径下。

   cp {YOUR_DOWNLOAD_PATH}/cloudfs-client/lib/cloudfs-sdk-1.5.3.49.jar /opt/{Directory}/hadoop/share/hadoop/hdfs/
   

4. 配置 core-site.xml。

   <property>
     <name>fs.cfs.impl</name>
     <value>com.volcengine.cloudfs.fs.CfsFileSystem</value>
   </property>
   
   <property>
     <name>fs.AbstractFileSystem.cfs.impl</name>
     <value>com.volcengine.cloudfs.fs.CFS</value>
   </property>  
   
   <property>
     <name>cfs.access.key</name>
     <value>AKxxxxxxxxxxx</value>
   </property>
   <property>
     <name>cfs.secret.key</name>
     <value>SKxxxxxxxxxxx</value>
   </property>
   
   <!-- 可选：如果使用的是 STS Token，需要填写 -->
   <property>
     <name>cfs.security.token</name>
     <value>STSTokenxxxxxxxx</value>
   </property>
   
   <!-- 可选：如果开启缓存加速，需要配置缓存加速接入的 VPC 的网段 -->
   <property>
     <name>cfs.client.network.segment</name>
     <value><VPC 网段，例如 192.168.0.0/16></value>
   </property>
   

   说明

   • 其中xxxx.cfs-cn-beijing.ivolces.com即为大数据文件存储的挂载点地址，将其替换为文件存储实例上获取的完整挂载地址即可。此处请根据实际业务情况替换。
   • AKxxx和SKxxx分别为访问密钥 ID 和私有访问密钥，详细说明请参考密钥管理。

5. 登录火山引擎 E-MapReduce 控制台。

6. 在集群管理页面，找到需要挂载文件存储实例的目标 E-MapReduce 集群。

   1. 选择服务列表 > HDFS。
   2. 在页面右侧的操作栏中，单击重启 > 重启全部组件，重启服务。

步骤二：使用 MapReduce 处理 CloudFS 数据

使用 E-MapReduce hadoop 中自带的测试包hadoop-mapreduce-examples-*.jar进行测试。该测试包默认放置在/opt/{YOUR_PATH}/hadoop/2.x.x-1.x.x/package/hadoop-2.x.x-1.x.x/share/hadoop/mapreduce/目录下。

7. 执行以下命令，在/mr/input目录下生成并查看目标数据。例如：

   hadoop jar /opt/{YOUR_PATH}/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar \
   teragen 100000 cfs://{YOUR_ENDPOINT}/mr/input
   
   hadoop jar /opt/tiger/current/hadoop/share/hadoop/mapreduce/hadoop-mapreduce-examples-*.jar \
   terasort cfs://{YOUR_ENDPOINT}/mr/input cfs://{YOUR_ENDPOINT}/mr/output
   

   说明

   {YOUR_ENDPOINT}替换为您的文件存储实例上的挂载点域名（cfs://xxxx.cfs-cn-beijing.ivolces.com）。