Usa bucket abilitati per lo spazio dei nomi gerarchico per i carichi di lavoro Hadoop

In questa pagina viene descritto come utilizzare i bucket abilitati per lo spazio dei nomi gerarchico per i carichi di lavoro Hadoop.

Panoramica

Quando utilizzi un bucket Cloud Storage con spazio dei nomi gerarchico, puoi configurare il connettore Cloud Storage in modo da utilizzare l'operazione Rinomina cartella per carichi di lavoro come Hadoop, Spark, Hive.

In un bucket senza spazio dei nomi gerarchico, un'operazione di ridenominazione in Hadoop, Spark e Hive prevede più job di copia ed eliminazione di oggetti, con ripercussioni sulle prestazioni e sulla coerenza. La ridenominazione di una cartella mediante il connettore Cloud Storage ottimizza le prestazioni e garantisce coerenza quando si gestiscono cartelle con un numero elevato di oggetti.

Dataproc

Puoi utilizzare Google Cloud CLI per creare un cluster Dataproc e abilitare il connettore Cloud Storage per eseguire le operazioni sulle cartelle.

  1. Installa o aggiorna il connettore Cloud Storage versione 2.2.23 o successiva (esclusa la versione 3.0.0).

  2. Crea un cluster Dataproc utilizzando il comando seguente:

      gcloud dataproc clusters create CLUSTER_NAME
  --properties=core:fs.gs.hierarchical.namespace.folders.enable=true,
  core:fs.gs.http.read-timeout=30000

    Dove:

    • CLUSTER_NAME è il nome del cluster. Ad esempio, my-cluster
    • fs.gs.hierarchical.namespace.folders.enable viene utilizzato per abilitare lo spazio dei nomi gerarchico su un bucket.

    • fs.gs.http.read-timeout è il tempo massimo consentito, in millisecondi, per leggere i dati da una connessione stabilita. Questa impostazione è facoltativa.

Hadoop autogestito

Puoi abilitare il connettore Cloud Storage sul tuo cluster Hadoop autogestito per eseguire le operazioni sulle cartelle.

  1. Installa o aggiorna il connettore Cloud Storage versione 2.2.23 o successiva (esclusa la versione 3.0.0).

  2. Aggiungi quanto segue al file di configurazione core-site.xml:

        <property>
      <name>fs.gs.hierarchical.namespace.folders.enable</name>
      <value>true</value>
    </property>
    <property>
      <name>fs.gs.http.read-timeout</name>
      <value>30000</value>
    </property>

    Dove:

    • fs.gs.hierarchical.namespace.folders.enable viene utilizzato per abilitare lo spazio dei nomi gerarchico su un bucket

    • fs.gs.http.read-timeout è il tempo massimo consentito, in millisecondi, per leggere i dati da una connessione stabilita. Questa impostazione è facoltativa.

Compatibilità con il connettore Cloud Storage versione 3.0.0 o versioni precedenti alla 2.2.23

L'utilizzo del connettore Cloud Storage versione 3.0.0 o versioni precedenti alla 2.2.23 o la disattivazione delle operazioni relative alle cartelle per lo spazio dei nomi gerarchico può comportare le seguenti limitazioni:

  • Rinominazioni delle cartelle inefficienti: le operazioni di ridenominazione delle cartelle in Hadoop vengono eseguite utilizzando operazioni di copia ed eliminazione a livello di oggetto, che sono più lente e meno efficienti dell'operazione rename folder dedicata.

  • Accumulo di cartelle vuote: le risorse delle cartelle non vengono eliminate automaticamente, il che genera l'accumulo di cartelle vuote nel bucket. L'accumulo di cartelle vuote può avere i seguenti effetti:

    • Aumentare i costi di archiviazione se non viene eliminata in modo esplicito.

    • Rallenta le operazioni di elenco e aumenta il rischio di timeout delle operazioni elenco.

  • Problemi di compatibilità: quando si rinominano le cartelle, l'utilizzo combinato di versioni precedenti e più recenti dei connettori o l'attivazione e la disattivazione delle operazioni relative alle cartelle può causare problemi di compatibilità. Considera il seguente scenario, che utilizza una combinazione di versioni del connettore:

    1. Utilizza la versione del connettore Cloud Storage precedente alla 2.2.23 per eseguire le seguenti attività:

      1. Scrivi oggetti nella cartella foo/.
      2. Rinomina la cartella foo/ in bar/. L'operazione di ridenominazione copia ed elimina gli oggetti in foo/, ma non elimina la cartella foo/ vuota.

    2. Utilizza il connettore Cloud Storage versione 2.2.23 con le impostazioni delle operazioni della cartella attivate per rinominare la cartella bar/ in foo/.

    La versione 2.2.23 del connettore, con l'operazione sulle cartelle abilitata, rileva la cartella foo/ esistente, causando la mancata riuscita dell'operazione di ridenominazione. La versione precedente del connettore non ha eliminato la cartella foo/ perché l'operazione sulla cartella è stata disabilitata.

Passaggi successivi

Provalo

Se non conosci Google Cloud, crea un account per valutare le prestazioni di Cloud Storage in scenari reali. I nuovi clienti ricevono anche 300 $ di crediti gratuiti per l'esecuzione, il test e il deployment dei carichi di lavoro.

Prova Cloud Storage gratuitamente