HDFS 使用原生连接器连接 S3 对象存储
使用Hadoop原生连接器
- S3A（AWS S3）：
hdfs dfs -ls s3a://my-bucket/ - WASB/WASBS（Azure Blob）：
hdfs dfs -ls wasbs://my-container@my-storage-account.blob.core.windows.net/
HDFS和S3的连接器通常指S3A连接器，以下是其使用步骤：
安装与配置
- 安装Hadoop：确保安装了Hadoop 2.8.0或更高版本。
- 添加S3A依赖：如果使用Maven构建项目，在项目的pom.xml文件中添加S3A连接器的依赖：
<dependency><groupId>org.apache.hadoop</groupId><artifactId>hadoop-aws</artifactId><version>${hadoop.version}</version>
</dependency>
将 ${hadoop.version} 替换为实际使用的Hadoop版本号。如果不使用Maven，也可以直接下载相应的JAR包并添加到项目的类路径中。
3. 配置Hadoop：在Hadoop的配置文件 core-site.xml 中，添加以下配置项：
<property><name>fs.s3a.access.key</name><value>YOUR_ACCESS_KEY</value>
</property>
<property><name>fs.s3a.secret.key</name><value>YOUR_SECRET_KEY</value>
</property>
<property><name>fs.s3a.endpoint</name><value>YOUR_S3_ENDPOINT</value>
</property>
<property><name>fs.s3a.impl</name><value>org.apache.hadoop.fs.s3a.S3AFileSystem</value>
</property>
将 YOUR_ACCESS_KEY 和 YOUR_SECRET_KEY 替换为自己的AWS访问密钥和秘密密钥，YOUR_S3_ENDPOINT 替换为S3的端点，如 s3.us-west-2.amazonaws.com。
测试连接
可以在Hadoop命令行中使用以下命令来测试连接，例如列出S3桶中的内容：
hdfs dfs -ls s3a://your-bucket-name/
如果能够正确列出桶中的内容，说明连接配置成功。
数据传输
- 使用DistCp工具：使用
hadoop distcp命令可以在HDFS和S3之间传输数据。例如，将HDFS中的文件传输到S3上：
hadoop distcp hdfs://namenode/path/to/hdfsfile s3a://bucketname/path/to/s3file
将 namenode 替换为实际的HDFS Namenode地址，path/to/hdfsfile 替换为HDFS中要传输的文件路径，bucketname 替换为S3桶的名称，path/to/s3file 替换为S3中目标文件的路径。
- 使用Hadoop API：在Java程序中，可以使用Hadoop API将数据从HDFS复制到S3。示例代码如下：
import org.apache.hadoop.conf.Configuration;
import org.apache.hadoop.fs.FileSystem;
import org.apache.hadoop.fs.Path;public class HdfsToS3 {public static void main(String[] args) throws Exception {Configuration conf = new Configuration();conf.set("fs.s3a.access.key", "YOUR_ACCESS_KEY");conf.set("fs.s3a.secret.key", "YOUR_SECRET_KEY");FileSystem fs = FileSystem.get(conf);Path hdfsPath = new Path("hdfs://namenode/path/to/hdfsfile");Path s3Path = new Path("s3a://bucketname/path/to/s3file");fs.copyFromLocalFile(false, hdfsPath, s3Path);fs.close();}
}
高级配置
- 启用多部分上传：可以在
core-site.xml中添加以下配置来启用多部分上传，以提高大文件的上传速度：
<property><name>fs.s3a.multipart.size</name><value>5242880</value>
</property>
这将把文件分成5MB的块进行上传。
- 设置S3A客户端连接数：可以通过以下配置来设置S3A客户端的连接数：
<property><name>fs.s3a.connection.maximum</name><value>100</value>
</property>
根据实际情况调整连接数，以优化性能。