文档中心

大数据文件存储

最佳实践

配置 Spark 访问 CloudFS

配置 Spark 访问 CloudFS

Spark 是专为大规模数据分析处理而设计的开源分布式计算框架。本文介绍如何配置 EMR 中的 Spark 服务使用 CloudFS。

前提条件

开通大数据文件存储服务并创建文件存储实例，获取挂载点信息。具体操作，请参见跨服务授权。

完成 E-MapReduce 中的集群创建。具体操作，请参见 E-MapReduce 集群创建。

准备一个测试文件。

步骤一：配置 CloudFS 服务

说明

集群所有节点都要修改如下配置。

连接 E-MapReduce 集群，连接方式如下：

使用本地终端 SSH 连接集群节点管理 master 的公网 IP 地址。

使用同区域下的云服务器实例连接集群节点管理 master 的内网 IP 地址。

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

执行以下命令，解压CloudfsSDK包。

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

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/

配置core-site.xml文件。

执行以下命令打开 Hadoop 安装目录下的core-site.xml文件：

vim {hadoop_安装目录}/hadoop/conf/core-site.xml

在core-site.xml中添加配置：

<property>
<name>fs.defaultFS</name>
<value>cfs://xxxx.cfs-cn-beijing.ivolces.com</value>

</property>

<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>


<property>
<name>cfs.security.token</name>
<value>STSTokenxxxxxxxx</value>
</property>


<property>
<name>cfs.client.network.segment</name>
<value><VPC 网段，例如 192.168.0.0/16></value>
</property>

步骤二：配置 Spark

将解压后的 SDK 目录下的cloudfs-client/lib/cloudfs-sdk-1.5.3.49.jar文件复制到 Spark 的/{Directory}/spark/jars/目录下。

cp {YOUR_DOWNLOAD_PATH}/cloudfs-client/lib/cloudfs-sdk-1.5.3.49.jar /{Directory}/spark/jars/

重启 Spark 服务。

登录火山引擎 E-MapReduce 控制台。

在集群管理页面，找到目标 E-MapReduce 集群。

单击服务列表找到 Spark 服务。

单击列表页面右侧重启按钮，选择重启全部组件。重启后需重新连接集群。

步骤三：验证 Spark 配置

使用 Spark 处理 CloudFS 中的数据有两种方式。具体步骤如下：

使用Spark-sql处理 CloudFS 的数据。

使Spark-sql处理 CloudFS 中的数据的方式和 Hivesql 类似，只需要建表的时候指定 locatition 至 CloudFS 文件系统即可。详细操作，可参见使用 Hive 处理 CloudFS 中的数据。

使用Spark-shell处理 CloudFS 的数据。具体操作步骤如下：

进入 Spark 的bin目录下，执行以下命令进去界面。

./spark-shell

如果返回以下信息，则表示执行成功。

查询 CloudFS 中的数据。

读取 CloudFS 路径下已有的文件。

val a =sc.textFile("cfs://{Directory}");

a.count

写入文件到指定的 CloudFS 路径下。

a.saveAsTextFile("cfs://{Directory}")

最近更新时间：2025.07.25 18:37:27

这个页面对您有帮助吗？

有用

有用

无用

无用