如何从非 EMR 节点访问 S3 上的 Hbase

如何解决如何从非 EMR 节点访问 S3 上的 Hbase

我正在尝试访问 EMR 上的 hbase，以便从在 EMR 集群节点之外运行的 Java 应用程序进行读写。即；来自运行在 ECS 集群/EC2 实例上的 docker 应用程序。 hbase 根文件夹类似于 s3://<bucketname/。我需要获取 hadoop 和 hbase 配置对象才能使用 core-site.xml,hbase-site.xml 文件访问 hbase 数据以进行读写。如果 hbase 数据存储在 hdfs 中，我可以访问相同的内容。

但是当它在 S3 上使用 hbase 并尝试实现相同的目标时，我会遇到异常。

Caused by: java.lang.RuntimeException: java.lang.ClassNotFoundException: Class com.amazon.ws.emr.hadoop.fs.EmrFileSystem not found
    at org.apache.hadoop.conf.Configuration.getClass(Configuration.java:2195)
    at org.apache.hadoop.fs.FileSystem.getFileSystemClass(FileSystem.java:2638

core-site.xml 文件包含以下属性。

<property>
  <name>fs.s3.impl</name>
  <value>com.amazon.ws.emr.hadoop.fs.EmrFileSystem</value>
</property>

<property>
  <name>fs.s3n.impl</name>
  <value>com.amazon.ws.emr.hadoop.fs.EmrFileSystem</value>
</property>

下面是包含“com.amazon.ws.emr.hadoop.fs.EmrFileSystem”类的jar： /usr/share/aws/emr/emrfs/lib/emrfs-hadoop-assembly-2.44.0.jar 此 jar 仅存在于 emr 节点上，不能作为 maven 依赖项包含在 maven 公共存储库的 java 项目中。对于 Map/Reduce 作业和 Spark 作业，在类路径中添加 jar 位置将达到目的。对于在 emr 集群节点之外运行的 java 应用程序，将 jar 添加到类路径将不起作用，因为 ecs 实例中没有 jar。手动将 jar 添加到类路径会导致以下错误。

2021-03-26 10:02:39.420  INFO 1 --- [           main] c.a.ws.emr.hadoop.fs.util.PlatformInfo   : Unable to read clusterId from http://localhost:8321/configuration,trying extra instance data file: /var/lib/instance-controller/extraInstanceData.json
2021-03-26 10:02:39.421  INFO 1 --- [           main] c.a.ws.emr.hadoop.fs.util.PlatformInfo   : Unable to read clusterId from /var/lib/instance-controller/extraInstanceData.json,trying EMR job-flow data file: /var/lib/info/job-flow.json
2021-03-26 10:02:39.421  INFO 1 --- [           main] c.a.ws.emr.hadoop.fs.util.PlatformInfo   : Unable to read clusterId from /var/lib/info/job-flow.json,out of places to look
2021-03-26 10:02:45.578  WARN 1 --- [           main] c.a.w.e.h.fs.util.ConfigurationUtils     : Cannot create temp dir with proper permission: /mnt/s3

我们使用的是 emr 5.29 版。有没有办法解决这个问题？

解决方法

我能够通过使用 s3a 解决这个问题。 emr 中使用的 EMRFS 库不是公开的，不能在 EMR 之外使用。因此，我使用 S3AFileSystem 从我的 ecs 集群访问 S3 上的 hbase。添加与您的 hadoop 版本相对应的 hadoop-aws 和 aws-java-sdk-bundle maven 依赖项。并在我的 core-site.xml 中添加以下属性。

<property>
  <name>fs.s3a.impl</name>
  <value>org.apache.hadoop.fs.s3a.S3AFileSystem</value>
  <description>The implementation class of the S3A Filesystem</description>
</property>

然后将 hbase-site.xml 中的 hbase 根目录 url 更改为如下。

  <property>
    <name>hbase.rootdir</name>
    <value>s3a://bucketname/</value>
  </property>

您还可以设置其他 s3a 相关属性。有关 s3a 的更多详细信息，请参阅以下链接。 https://hadoop.apache.org/docs/current/hadoop-aws/tools/hadoop-aws/index.html

S3 不是“真正的”文件系统 - 它没有 hbase 需要的两件事

压缩所需的原子重命名
hsync() 用于刷新/同步预写日志。

使用 S3 作为 HBase 后端

S3a 有一个文件系统包装器，即“HBoss”，它执行压缩所需的锁定。
您仍然必须为 WAL 使用 HDFS 或其他一些真正的 FS

进一步阅读 [https://github.com/apache/hadoop/blob/trunk/hadoop-common-project/hadoop-common/src/site/markdown/filesystem/outputstream.md]

如何从非 EMR 节点访问 S3 上的 Hbase

如何解决如何从非 EMR 节点访问 S3 上的 Hbase

解决方法

相关推荐