1. Toy模板网首页
  2. > Toy博客

alluxio简单使用

10月前 作者：哒佬 分类：Toy博客 阅读(26) 违法举报

这篇具有很好参考价值的文章主要介绍了alluxio简单使用。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

alluxio简单使用

本文是基于alluxio官网和自己实践整理。

  • Alluxio版本：1.8.1
  • CDH 1.15.2

1、介绍

以内存为中心的分布式虚拟存储系统。Alluxio在上层计算框架和底层存储系统之间架起了桥梁，应用层只需要访问Alluxio即可以访问底层对接了的任意存储系统的数据。作者是李浩源/范斌，都是中国人，所以官网 也提供了中文的文档。

alluxio简单使用

2、功能简介

  • 灵活的API
  • 兼容Haddop 的HDFS文件系统接口
  • 分级存储，自定义分配和回收策略
  • 统一命名空间
  • 完整的命令行
  • Web UI

3、下载编译

默认从官网下载的执行包，支持的Hadoop 2.2.x，一般我们需要自己编译源码。从gitHub上下载下来，通过以下命令构建适合自己的版本

  • mvn -T 2C install -Phadoop-2 -Dhadoop.version=2.6.0-cdh5.15.2 -DskipTests -Dmaven.javadoc.skip -Dfindbugs.skip -Dcheckstyle.skip -Dlicense.skip

  • 说明

    • -T 2C：开启多线程编译，每个核cpu开启2个线程
    • -P：hadoop-2 为haddop大版本，可以是hadoop-1、hadoop-3
    • -D：具体细分版本号，我们这里是cdh版本

4、搭建和部署

部署一般建议和计算框架同置（co-locate）部署。本次以3台做个集群，其中p1机器是alluxio主节点，若要做高可用可引入zk（2.0版本会使用masters自身做高可用，不需要zk），这里没有做高可用配置。

  • 下载/编译出适合自己的执行包

  • 上传到服务器上（3台都要）,我将源码文件放在/usr/local/git并软链接到/opt下，后续我就直接在/opt下操作

  • 选取其中一台机器作为主节点master,hostname是p1

  • 在${ALLUXIO_HOME}/conf下

    • cp conf/alluxio-site.properties.template conf/alluxio-site.properties
    • alluxio.master.hostname=p1(主节点的主机名)
    • alluxio.underfs.address=hdfs://p1:8020/alluxio/home（namenode地址，即将hdfs跟路径挂载到alluxio下）
    • workers文件里面添加woker主机名字，例如我这里是p2、p3
    • masters文件里面添加master主机名字，例如我这里是p1
    • 利用alluxio提供拷贝命令到其他集群机器

  • 在hdfs 上新建/alluxio/home目录，hdfs dfs -mkdir /alluxio/home

  • 启动Alluxio

    • 用启动hadoop同一用户来启动，例如hdfs
    • cd ${ALLUXIO_HOME}/bin，然后运行 ./alluxio format，只是第一次需要运行，会清空alluxio里面的数据
    • cd ${ALLUXIO_HOME}/bin，然后运行 ./alluxio-start.sh all SudoMount，过程需要输入几次启动用户的密码
    • SudoMount 只是在第一次启动需要加，目的是挂载/mnt/ramdisk给alluxio作为默认的存储，若是一直hang住，检查启动用户是否配置了免密，我是将hdfs ALL=(ALL) NOPASSWD: ALL加入了/etc/sudoers里面。
    • ${ALLUXIO_HOME}/bin ./alluxio runTests测试集群，其实就是上传一些文件到/alluxio/home
    • 到web UI查看：http://p1:19999/home，其中p1是你master主机的ip
    • 执行命令查看集群信息：cd ${ALLUXIO_HOME}/bin然后./alluxio fsadmin report

5、系统架构与原理

5.1 与操作系统文件系统对比

alluxio简单使用

5.2 系统组件

集群组成：master、worker、client、UFS（底层存储）

alluxio简单使用

master

  • 管理集群的元数据

    • 文件inode树
    • 文件到数据块block的映射
    • 数据快block到woker位置的映射
    • woker元数据（worker的状态）

  • 被动响应客户端RPC请求

    • client的对请求文件的操作
    • woker汇报状态心跳

  • 记录文件系统日志（集群重启后可以准确恢复）

secondary master

高可用模式下，集群可以有多个master节点，其中只有一个会被选举为primary mater，其余均为standby状态，称为secondary master，它不接受任何Alluxio组件的请求，只是将文件系统的日志持久化存储，在多个master间共享。

worker

  • 管理本机的存储资源（RAM、SSD、HDD）
  • 和底层存储（UFS）交互，缓存数据
  • 根据配置的缓存替换策略分配保存缓存数据

client

  • 向master发起操作文件的RPC请求
  • 从worker读取写入数据
  • client的jar包在编译后的源码文件${ALLUXIO_HOME}/client中
  • client jar 不能单独使用，需要与应用程序在同一个JVM里面，否则会抛异常
  • woker与client在一台机器，会短路读取数据（绕过请求worker的RPC请求，直接用本地文件系统读取woker里数据）

5.3、读写

5.3.1 读

关键配置参数：alluxio.user.file.readtype.default

值

说明

CACHE_PROMOTE（默认）

将数据块移动到worker最顶层，且缓存一个副本到本机worker

CACHE

将一个副本添加到本地worker中

NO_CACHE

不会创建副本

1.命中worker

命中本地worker（“短路读取”）

此时client直接通过本地文件系统读取存储在worker上的数据，称作为“短路读取”。

  • 此时需要获取本地文件的操作权限
  • 容器化容器里面运行alluxio client 和woker，可以通过 Unix domain socket 方式访问。

Unix domain socket 又叫 IPC(inter-process communication 进程间通信) 主要用于同一主机上的进程间通信。与主机间的进程通信不同，它不是通过 "IP地址:端口号"的方式进程通信，不需要经过网络协议栈，不需要打包拆包、计算校验和、维护序号和应答等，只是将应用层数据从一个进程拷贝到另一个进程，使用 socket 类型的文件来完成通信。

命中远程worker

  • client 通过RPC连接远程的worker，woker 处理请求返回client数据
  • 并缓存一个副本在本地(发起rpc的机器的worker)，这样可以加快下一次访问，但是副本数会增多，引起数据爆炸（但是这也是alluxio的特点，不像hdfs那样设置副本后就是固定死了）我们可以通过设置ReadType为NO_CACHE不缓存副本。
  • 2.0版本里面会有针对某个文件设置缓存的副本数量（但是没有全局的设置副本数量）
2.未命worker
  • 1.8 之前版本，alluxio client 会承担缓存任务，还需要配置读取的数据是部分还是整个，采取缓存/不缓存
  • 1.8 之后，缓存数据的任务交给woker异步执行，不需要关心读取的数据是完整的还是部分，因为所有的动作都在woker这边，默认woker工作机制是这样
    • 客户端顺序完整读取文件，则woker顺便缓存整个文件副本
    • 客户端不是顺序/完整读取，则woker会放弃读取时候顺便缓存，但是客户端会在读取完成后向woker发送异步缓存命令，worker 会继续缓存整个文件。
    • woker节点线程池大小：alluxio.worker.network.netty.async.cache.manager.threads.max默认大小8。
5.3.2 写

关键配置参数：alluxio.user.file.writetype.default

  • 写类型

值

说明

MUST_CACHE（默认）

同步将数据存储在Alluxio中（不怕丢）， 本地有worker，“短路写”，本地无worker，写入远程woker

THROUGH

同步将数据存储在UFS中（怕丢，但是数据不会立即用到）

CACHE_THROUGH

同步将数据存储在Alluxio中和UFS中（怕丢，且数据会立即用到）

ASYNC_THROUGH（异步）

同步将数据写入到alluxio，所有数据块block会驻留在一个woker上，然后异步地写入底层存储系统。实验性写类型，2.0 版本会稳定些

  • 写定位策略

值

说明

LocalFirstPolicy（默认）

优先使用本地worker，若本地Worker没有足够的容量，从有效的worker列表中随机选择一个

MostAvailableFirstPolicy

使用拥有最多可用容量的worker

RoundRobinPolicy

循环选取存储下一个数据块的worker，若该worker没有足够的容量，跳过

SpecificHostPolicy

返回指定主机名的Worker

6、与HDFS集成

6.1 前提

  • HDFS 集群启动
  • Alluxio编译打包成对应的HDFS版本（参考上述下载编译）
  • 上传Alluxio编译后的源码包到集群机器上，我的位置为/opt/alluxio
  • 确定好namenode的地址，我的cdh版本这里是：hdfs://p1:8020，p1为我namenode主机的ip

6.2 集成配置

配置方式
  • 普通模式：参考上面，搭建和部署目录
  • 高可用模式
    • 将Hadoop目录下的hds-site.xml、core-site.xml软链接到${ALLUXIO_HOME}/conf下
    • 更改{ALLUXIO_HOME}/conf下的alluxio-site.properties里面的属性alluxio.underfs.address=nameservice，其中nameservice为core-site.xml文件里面配置的HDFS服务名称。
权限

alluxio文件系统实现了类似POSIX文件系统的用户和权限验证，所以我们需要确保HDFS上的用户、组和访问模式等文件的权限信息与Alluxio里面一致。alluxio提供了用户模拟功能，我们在{ALLUXIO_HOME}/conf里的alluxio-site.properties添加：

alluxio.master.security.impersonation.hdfs.users=*
alluxio.master.security.impersonation.yarn.users=*
alluxio.master.security.impersonation.hive.users=*
alluxio.master.security.impersonation.root.users=*

7、常用命令

通过上述的步骤，基本的一个基于HDFS存储的Alluxio集群搭建好了，我们一起来试试常用的命令感受下。首先cd {ALLUXIO_HOME}/alluxio/bin下。

7.1 管理员命令(fsadmin)

[hdfs@p1 bin]$ ./alluxio fsadmin
Usage: alluxio fsadmin [generic options]
	 [backup [directory] [--local]]
	 [doctor [category]]
	 [report [category] [category args]]
	 [ufs [--mode <noAccess/readOnly/readWrite>] <ufsPath>]
[hdfs@p1 bin]$

  • backup 备份元数据

    // 备份到hdfs中
    [hdfs@p1 bin]$ ./alluxio fsadmin backup /meta
    Successfully backed up journal to hdfs://p1:8020/meta/alluxio-backup-2019-11-13-1573636945711.gz
    // 备份到本地文件中
    [hdfs@p1 bin]$ ./alluxio fsadmin backup /opt/ --local
    Successfully backed up journal to file:///opt/alluxio-backup-2019-11-13-1573637112922.gz on master p1
    // 从备份文件中恢复元数据
    hdfs@p1 bin]$ ./alluxio-start.sh -i /opt/alluxio-backup-2019-11-13-1573637112922.gz masters
    Executing the following command on all master nodes and logging to /usr/local/git/alluxio/logs/task.log: /usr/local/git/alluxio/bin/alluxio-stop.sh master
    Waiting for tasks to finish…
    All tasks finished
    Executing the following command on all master nodes and logging to /usr/local/git/alluxio/logs/task.log: /usr/local/git/alluxio/bin/alluxio-start.sh -i /opt/alluxio-backup-2019-11-13-1573637112922.gz master
    Waiting for tasks to finish…
    All tasks finished

  • doctor 检查alluxio的配置

    [hdfs@p1 bin]$ ./alluxio fsadmin doctor
    No server-side configuration errors or warnings.

  • report 报告集群信息

    // 有4个可选项，默认集群信息摘要，如：web界面地址，端口，woker数目等
    [hdfs@p1 bin]$ ./alluxio fsadmin report -h
    report [category] [category args]
    Report Alluxio running cluster information.
    Where [category] is an optional argument. If no arguments are passed in, summary information will be printed out.
    [category] can be one of the following:
    capacity worker capacity information
    metrics metrics information
    summary cluster summary(默认)
    ufs under filesystem information

    // capacity， wokers的容量信息汇总
    [hdfs@p1 bin]$ ./alluxio fsadmin report capacity
    Capacity information for all workers:
    Total Capacity: 20.68GB
    Tier: MEM Size: 20.68GB
    Used Capacity: 0B
    Tier: MEM Size: 0B
    Used Percentage: 0%
    Free Percentage: 100%

    Worker Name Last Heartbeat Storage MEM
    p2 0 capacity 10.34GB
    used 0B (0%)
    p3 0 capacity 10.34GB
    used 0B (0%)
    // ufs 集群配置底层存储系统信息
    [hdfs@p1 bin]$ ./alluxio fsadmin report ufs
    Alluxio under filesystem information:
    hdfs://p1:8020/alluxio/home on / (hdfs, capacity=70.64GB, used=1197.66MB(1%), not read-only, not shared, properties={})

  • ufs 存储层文件系统

    // 有一个 --mode 可选择项目，下面可以跟三个参数
    [hdfs@p1 bin]$ ./alluxio fsadmin ufs -h
    Usage: ufs [–mode <noAccess/readOnly/readWrite>]

7.1 普通用户命令(fs)

[hdfs@p1 bin]$ ./alluxio fs
Usage: alluxio fs [generic options]
	 [cat <path>]
	 [checkConsistency [-r] <Alluxio path>]
	 [checksum <Alluxio path>]
	 [chgrp [-R] <group> <path>]
	 [chmod [-R] <mode> <path>]
	 [chown [-R] <owner>[:<group>] <path>]
	 [copyFromLocal <src> <remoteDst>]
	 [copyToLocal <src> <localDst>]
	 [count <path>]
	 [cp [-R] <src> <dst>]
	 [createLineage <inputFile1,...> <outputFile1,...> [<cmd_arg1> <cmd_arg2> ...]]
	 [deleteLineage <lineageId> <cascade(true|false)>]
	 [du <path>]
	 [fileInfo <path>]
	 [free [-f] <path>]
	 [getCapacityBytes]
	 [getUsedBytes]
	 [head [-c <bytes>] <path>]
	 [help [<command>]]
	 [leader]
	 [listLineages]
	 [load [--local] <path>]
	 [loadMetadata <path>]
	 [location <path>]
	 [ls [-d|-f|-p|-R|-h|--sort=option|-r] <path>]
	 [masterInfo]
	 [mkdir <path1> [path2] ... [pathn]]
	 [mount [--readonly] [--shared] [--option <key=val>] <alluxioPath> <ufsURI>]
	 [mv <src> <dst>]
	 [persist <path> [<path> ...]]
	 [pin <path>]
	 [report <path>]
	 [rm [-R] [-U] [--alluxioOnly] <path>]
	 [setTtl [--action delete|free] <path> <time to live>]
	 [stat [-f <format>] <path>]
	 [tail [-c <bytes>] <path>]
	 [test [-d|-f|-e|-s|-z] <path>]
	 [touch <path>]
	 [unmount <alluxioPath>]
	 [unpin <path>]
	 [unsetTtl <path>]

命令很多，如果熟悉Linux命令的话，掌握起来不难。我们重点看几个命令

  • checkConsistency

    对比某个给定路径下Allluxio及底层存储系统的元数据。给出的路径是目录，会比较所有子内容。检查的是目录子树的读锁，在命令完成之前，无法对目录子树文件/目录进行更新或者写操作。

  • copyFromLocal

    // 将本地文件/目录 拷贝到alluxio里面
    [hdfs@p1 bin]$ ./alluxio fs copyFromLocal /opt/fm.text /123
    Copied file:///opt/fm.text to /123

  • free

将文件从释放中释放，前提是这个文件已经持久化到UFS了，不然是没办法释放的。

[hdfs@p1 bin]$ ./alluxio fs free /123
Cannot free file /123 which is not persisted
  • location

显示文件所在的worker

[hdfs@p1 bin]$ ./alluxio fs location /123
/123 with file id 16810770431 is on nodes:
p3

  • mount

    //显示所有挂载点
    [hdfs@p1 bin]$ ./alluxio fs mount
    hdfs://p1:8020 on / (hdfs, capacity=70.64GB, used=1191.04MB(1%), not read-only, not shared, properties={})
    // 挂载hdfs://p1:8020/meta 到/meta下
    [root@p1 bin]# ./alluxio fs mount /meta hdfs://p1:8020/meta
    Mounted hdfs://p1:8020/meta at /meta

  • unMount

取消挂载点

[root@p1 bin]# ./alluxio fs unmount /meta
Unmounted /meta

  • persist

    // 将aluxio的/1234目录持久化到hdfs中
    [root@p1 bin]# ./alluxio fs persist /1234
    persisted file /1234 with size 46

    // 查看hdfs是否持久化了，我们初始化时候是挂载hdfs目录/alluxio/home到alluxio中的
    [root@p1 bin]# hdfs dfs -ls /alluxio/home
    SLF4J: Class path contains multiple SLF4J bindings.
    SLF4J: Found binding in [jar:file:/opt/cloudera/parcels/CDH-5.15.2-1.cdh5.15.2.p0.3/jars/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
    SLF4J: Found binding in [jar:file:/opt/cloudera/parcels/CDH-5.15.2-1.cdh5.15.2.p0.3/lib/hadoop/lib/alluxio-1.8.1-client.jar!/org/slf4j/impl/StaticLoggerBinder.class]
    SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
    SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
    Found 2 items
    -rw-r–r-- 2 hdfs supergroup 46 2019-11-14 11:36 /alluxio/home/1234
    drwxr-xr-x - 0 2019-11-14 10:20 /alluxio/home/default_tests_files

  • setTtl

    • –action deltele 参数(alluxio和ufs里面都会删除)

    // 设置5秒后删除（alluxio和hdfs里面都会删除）
    [root@p1 bin]# ./alluxio fs setTtl --action delete /1234 5000
    TTL of path ‘/1234’ was successfully set to 5000 milliseconds, with expiry action set to DELETE

    //5秒后，查看alluxio（/1234 没了）
    [root@p1 bin]# ./alluxio fs ls /
    46 NOT_PERSISTED 11-14-2019 10:46:46:775 100% /123
    46 NOT_PERSISTED 11-14-2019 10:47:18:184 100% /12345
    12 PERSISTED 11-14-2019 10:20:41:992 DIR /default_tests_files
    46 NOT_PERSISTED 11-14-2019 10:44:37:127 100% /fm.text

    // 5秒后，查看hdfs（/1234 没了）
    [root@p1 bin]# hdfs dfs -ls /alluxio/home
    SLF4J: Class path contains multiple SLF4J bindings.
    SLF4J: Found binding in [jar:file:/opt/cloudera/parcels/CDH-5.15.2-1.cdh5.15.2.p0.3/jars/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
    SLF4J: Found binding in [jar:file:/opt/cloudera/parcels/CDH-5.15.2-1.cdh5.15.2.p0.3/lib/hadoop/lib/alluxio-1.8.1-client.jar!/org/slf4j/impl/StaticLoggerBinder.class]
    SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
    SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
    Found 1 items
    drwxr-xr-x - 0 2019-11-14 10:20 /alluxio/home/default_tests_files

7.3通过hadoop命令来操作Alluxio

Alluxio提供了兼容HDFS的接口，因此我们可以在执行hdfs命令时候，通过alluxio client 传递给allxuio 实现操作alluxio的目的。

  • 在cm控制台，修改hadoop-env.sh

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-wfGMhSB5-1574129851147)(/Users/huangfan/Desktop/hadoop-env.png)]

  • 操作alluxio里面文件

    // 查看allxuio全部文件
    [root@p1 bin]# hdfs dfs -ls alluxio://localhost:19998/
    Found 4 items
    -rw-r–r-- 3 46 2019-11-14 10:46 alluxio://localhost:19998/123
    -rw-r–r-- 3 46 2019-11-14 10:47 alluxio://localhost:19998/12345
    drwxr-xr-x - 12 2019-11-14 11:49 alluxio://localhost:19998/default_tests_files
    -rw-r–r-- 3 46 2019-11-14 11:54 alluxio://localhost:19998/fm.text
    // 创建文件并查看
    [root@p1 bin]# hdfs dfs -mkdir alluxio://localhost:19998/from-hdfs
    [root@p1 bin]# hdfs dfs -ls alluxio://localhost:19998/
    Found 5 items
    -rw-r–r-- 3 46 2019-11-14 10:46 alluxio://localhost:19998/123
    -rw-r–r-- 3 46 2019-11-14 10:47 alluxio://localhost:19998/12345
    drwxr-xr-x - 12 2019-11-14 11:49 alluxio://localhost:19998/default_tests_files
    -rw-r–r-- 3 46 2019-11-14 11:54 alluxio://localhost:19998/fm.text
    drwxrwxrwx - 0 2019-11-14 12:08 alluxio://localhost:19998/from-hdfs

8、与计算框架整合

计算框架使用alluxio client需要在同一个JVM里面，且在classpath下能够找到alluxio client。
编译打包后alluxio client在${ALLUXIO_HOME}/client下。

8.1 与MapReduce整合

8.1.1 整合方式

  • -libjars命令，它会把alluxio client放到Hadoop的Distributed Cache中，所有节点均可以访问到。

  • 手动将alluxio client放到每个MapReduce的${HADOOP_HOME}/lib下，对于我的CDH是在/opt/cloudera/parcels/CDH/lib/hadoop/lib下。

8.1.2 验证
命令验证
[hdfs@p1 bin]$ pwd
/opt/alluxio/integration/checker/bin
[hdfs@p1 bin]$ ./alluxio-checker.sh mapreduce
... 省略 ... 
***** Integration test passed. *****
wordcount验证

  • 准备被统计的文件

    // 将 A L L U X I O H O M E 下的 L I C E N S E 文件拷贝到 a l l u x i o 中 [ h d f s @ p 1 l i b ] {ALLUXIO_HOME}下的LICENSE文件拷贝到alluxio中 [hdfs@p1 lib] ALLUXIOH​OME下的LICENSE文件拷贝到alluxio中[hdfs@p1lib] /opt/alluxio/bin/alluxio fs copyFromLocal /opt/alluxio/LICENSE /input

  • wordcount

    // 我的 cdh 的hadoop 安装目录在 /opt/cloudera/parcels/CDH/lib
    [hdfs@p1 opt]$ cd /opt/cloudera/parcels/CDH/lib
    // 执行 wordcount
    [hdfs@p1 lib]$ hadoop jar hadoop-mapreduce/hadoop-mapreduce-examples-2.6.0-cdh5.15.2.jar wordcount -libjars /opt/alluxio/client/alluxio-1.8.1-client.jar alluxio://p1:19998/input alluxio://p1:19998/output

  • 到alluxio的Web UI统计信息

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-MhB1n816-1574129851147)(/Users/huangfan/Desktop/wordcount.png)]

8.2 与Hive整合

前提：alluxio与MapReduce整合成功。

我在cm控制台修改hive.env.sh 文件，其他方式请自行找到hive-env.sh 文件修改

添加：

HIVE_AUX_JARS_PATH=/usr/local/git/alluxio/client/alluxio-1.8.1-client.jar:${HIVE_AUX_JARS_PATH}

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-S7BksU1N-1574129851147)(/Users/huangfan/Desktop/hive.env.png)]

8.2.1 存储部分Hive表

场景：常用的表存储在Alluxio中，获取高吞吐量和低延迟。

准备：下载文件 下载ml-100k.zip 文件，上传到服务器上，例如我上传到p1 /opt下，解压。拷贝到Alluxios上

[hdfs@p1 opt]$ alluxio/bin/alluxio fs mkdir  /ml-100
[hdfs@p1 opt]$ alluxio/bin/alluxio fs copyFromLocal /opt/ml-100k/u.user alluxio://localhost:19998/ml-100

  • 存储内部表

    CREATE TABLE u_user (
    userid INT,
    age INT,
    gender CHAR(1),
    occupation STRING,
    zipcode STRING)
    ROW FORMAT DELIMITED
    FIELDS TERMINATED BY ‘|’
    LOCATION ‘alluxio://p1:19998/ml-100’;

  • 存储外部表

    CREATE EXTERNAL TABLE hive_hdfs (
    userid INT,
    age INT,
    gender CHAR(1),
    occupation STRING,
    zipcode STRING)
    ROW FORMAT DELIMITED
    FIELDS TERMINATED BY ‘|’;
    LOCATION ‘alluxio://p1:19998/ml-100’;

此时hive内部表的存储位置变成了ml-100目录下，不是在默认的hdfs下面了。内部表，在hive里面删除表u_user时候，alluxio里存储的/ml-100也会被删除。外部表，在hive里面删除表u_user时候，alluxio里面的/ml-100不会被删除。

  • 使用hdfs里面的表

    hive> alter table u_user set location “alluxio://127.0.0.1:19998/tables/u_user”;
    OK
    Time taken: 3.572 seconds

  • 恢复到hdfs里面

    hive> alter table u_user set location “hdfs://127.0.0.1:8020/alluxio/home”;
    OK
    Time taken: 1.554 seconds

8.2.1 存储全部Hive表

这种情况是Hive使用Alluxio作为默认文件系统替代hdfs。

  • 修改hive-siet.xml

    fs.defaultFS alluxio://localhost:19998

案例就不演示了，因为hive底层还是用hdfs好些，节省空间。

8.3 与Presto整合

版本：presto-server-0.228

Prest是从HiveMetaStore里面获取元数据信息，然后通过元数据信息来获取底层ufs（这里是hdfs），它查询数据不是像hive那样提交MapReduce，而是直接操作底层ufs。

8.3.1 下载配置presto

presto下载配置移步

其他基本配置可以参照官网，其中catalog配置是关键，我这hive.properties配置如下：

connector.name=hive-hadoop2
hive.metastore.uri=thrift://p1:9083
// 保证presto可以访问到hdfs
hive.config.resources=/etc/hive/conf/core-site.xml,/etc/hive/conf/hdfs-site.xml
hive.allow-drop-table=false
hive.allow-rename-table=false
hive.allow-add-column=false
hive.allow-rename-column=false
hive.force-local-scheduling=true

将${ALLUXIO_HOME}/conf下的alluxio-site.properties文件路径加到presto的jvm.config中，这样在allxuio里面设置的属性会应用到presto

-Xbootclasspath/p:/opt/alluxio/conf

做以下几个配置

  • 读写超时配置（alluxio-site.properties）

    // sec、min、hour、day结尾的配置都可以，从源码看到，代码层做了自适应
    alluxio.user.network.netty.timeout=10min

  • 启用Presto中数据本地性（${PRESTO_HOME/etc/catalog/hive.properties}）

一般 Presto worker 与 Alluxio worker 同置部署，开启这个属性后，pesto处理分片的工作可以被调度到有该分片的机器上。

hive.force-local-scheduling=true

注意：网上很多说，presto调度是基于Alluxio worker的文件块地址与Presto worker地址之间的字符串匹配进行的（没看pesto源码我不确定）

  • 设置Presto分布式查询粒度（${PRESTO_HOME/etc/catalog/hive.properties}）

    // 默认 alluxio.user.block.size.bytes.default=512M，我们需要将查询分割设置>512MB，减少presto在同一个块上多次并行查询带来相互阻塞。
hive.max-split-size=600MB

  • 更改读写类型（alluxio-site.properties）

    //默认读，首先将数据块从SSD或者HDD移动到MEM，然后再读取MEM中的数据块
 alluxio.user.file.readtype.default=CACHE_PROMOTE
 // 双写（内存和ufs），默认写是MUST_CACHE，只写内存
 alluxio.user.file.writetype.default=CACHE_THROUGH

8、配置使用

8.1 服务端配置

主要配置都是在${ALLUXIO_HOME}/conf下的alluxio-site.properties配置里面，集群内所有的机器上都需要设置。可以在alluxio的Web UI 界面看每个属性配置的值/默认值。

alluxio简单使用

8.2 客户端配置

alluxio客户端的初始化是以集群master配置新来初始化的，也就是在${ALLUXIO_CONF}/conf下 alluxio-site.properties里面配置的信息会应用到客户端的初始化。例如设置写类型：alluxio.user.file.writetype.default=CACHE_THROUGH。
当然这样一刀切的配置肯定不是最优的，可以通过在客户端设置：alluxio.user.conf.cluster.default.enable=false来忽略或者覆盖集群范围内默认值，客户端的配置一般是通过设置JVM参数"-D"，或者通过api在代码里面设置。

8.3 配置工具

alluxi 提供了一些在配置时候提高效率的小工具，说到底就是shell脚本来，具体可以看${ALLUXIO_HOME}/conf/alluxio这个脚本内容。

  • copyDir

    //同步配置到所有worker机器上，不用再傻傻scp了。
    ./alluxio copyDir [path to alluxio’s conf dir]

  • getConf

    // 查看属性值
    [hdfs@p1 bin]# ./alluxio getConf alluxio.user.file.writetype.default
    CACHE_THROUGH
    // 查看属性配置来源
    [hdfs@p1 bin]# ./alluxio getConf --source alluxio.user.file.writetype.default
    SITE_PROPERTY (/usr/local/git/alluxio/conf/alluxio-site.properties)
    // 查看集群默认配置
    [root@p1 bin]# ./alluxio getConf --master

    alluxio.conf.dir=/usr/local/git/alluxio/conf
    alluxio.conf.validation.enabled=true
    alluxio.debug=false
    alluxio.extensions.dir=/usr/local/git/alluxio/extensions
    alluxio.fuse.cached.paths.max=500
    alluxio.fuse.debug.enabled=false
    alluxio.fuse.fs.name=alluxio-fuse
    alluxio.fuse.maxwrite.bytes=128KB
    alluxio.home=/usr/local/git/alluxio
    alluxio.integration.master.resource.cpu=1
    alluxio.integration.master.resource.mem=1024MB
    alluxio.integration.mesos.alluxio.jar.url=http://downloads.alluxio.org/downloads/files/1.8.1/alluxio-1.8.1-bin.tar.gz
    alluxio.integration.mesos.jdk.path=jdk1.8.0_151
    alluxio.integration.mesos.jdk.url=LOCAL
    alluxio.integration.mesos.master.name=AlluxioMaster
    alluxio.integration.mesos.master.node.count=1
    alluxio.integration.mesos.principal=alluxio
    alluxio.integration.mesos.role=*
    alluxio.integration.mesos.secret=(no value set)
    alluxio.integration.mesos.user=(no value set)
    alluxio.integration.mesos.worker.name=AlluxioWorker
    alluxio.integration.worker.resource.cpu=1
    alluxio.integration.worker.resource.mem=1024MB
    alluxio.integration.yarn.workers.per.host.max=1
    …

9、存储管理

9.1 单层模式

不需要设置，默认在集群启动时候，alluxio会为wokers分配ramdisk，

alluxio与ufs元数据同步

  • 客户端

alluxio1.7 之后支持

客户端调用时候，增加参数：alluxio.user.file.metadata.sync.interval=int，int<0 永远不同步，int>0 在间隔时间内不同步，int=0 操作之前，代理总是会同步路径的元数据

alluxio fs ls -R -Dalluxio.user.file.metadata.sync.interval=0 /dirpath
  • 服务端异步

alluxio 2.0 + HDFS 2.7 以上版本

// 启动
./alluxio fs startSync /syncedDirPath

// 关闭
./alluxio fs stopSync /syncedDir

10、异常诊断和调试

10.1 日志

在${ALLUXIO_HOME}/logs下，*.log为log4j 生成的，*.out是标准的输出和错误流重定向文件。一般我们查看master.log 、worker.log、user_${USER}.log来排查问题。

10.2 远程调试

在 ${ALLUXIO_HOME}/conf下的alluxio-env.sh配置调试的环境变量:

export ALLUXIO_WORKER_JAVA_OPTS="$ALLUXIO_JAVA_OPTS -agentlib:jdwp=transport=dt_socket,server=y,suspend=n,address=6606"
export ALLUXIO_MASTER_JAVA_OPTS="$ALLUXIO_JAVA_OPTS -agentlib:jdwp=transport=dt_socket,server=y,suspend=n,address=6607"
export ALLUXIO_USER_DEBUG_JAVA_OPTS="-agentlib:jdwp=transport=dt_socket,server=y,suspend=y,address=6609"

然后我们就可以在 IntelliJ IDEA 或者Eclipse里面开启Remote Debug 调试了。文章来源地址https://www.toymoban.com/news/detail-443841.html

到了这里，关于alluxio简单使用的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处： 如若内容造成侵权/违法违规/事实不符，请点击违法举报进行投诉反馈，一经查实，立即删除！

分享到：
领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包，优惠每天领

二维码1

领取红包

二维码2

领红包