数据湖技术圈
本期导读 :【 JindoFS 缓存加速】第十四讲
主题:指定表和分区来预先缓存,查询分析更高效
讲师:抚月,阿里巴巴计算平台事业部 开源大数据平台 技术专家
内容框架:
背景介绍
功能介绍
使用方法
实操演示
直播回看链接:(14讲)
https://developer.aliyun.com/live/246996
1
背景介绍
传统集群架构:
存储计算一体
存储量与计算量无法始终匹配
存储无法水平扩展
存算分离架构:
计算资源动态伸缩
海量的存储空间
稳定可靠的存储服务
计算节点剩余的磁盘、内存资源可以用于缓存加速
指定表和分区来预先缓存:
TPC-DS 生成的标准数仓数据:
维表:例 item、store ;经常访问,可预先缓存
事实表:采用时间分区
2
功能介绍
JindoFS 缓存模式架构图:
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 indoFS 文件系统,从而实现对后端存储实现缓存加速
计算服务通过 Jindo SDK 访问数据,Jindo SDK 从 Jindo Namespace Service 查询缓存位置信息,然后向集群中的 Jindo Storage Service 读取缓存数据,如果命中缓存直接返回;如果没有命中缓存,则从 OSS 读取数据,并将缓存写入 Jindo Storage Service,供下次使用。
3
使用方法
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,在所有 Hadoop 节点安装。
cp ./jindofs-sdk-*.jar/share/hadoop/hdfs/
lib/jindofs-sdk.jar配置 JindoFS 实现类:将JindoFS 实现类配置到 Hadoop 的 core-site.xml 中
将 OSS 的 Access Key、Access Key Secret、Endpoint 等预先配置在 Hadoop 的core-site.xml 中。
指定表和分区来预先缓存:
cache 命令和 uncache命 令:
4
实操演示
点击文章下方阅读原文,直接观看第14讲视频回放,获取讲师实例讲解~
⭐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!