安装

准备

确认网络环境满足安装要求：
- 对于云服务，JuiceFS Hadoop SDK 需要通过外网访问 JuiceFS 元数据服务及控制台，需要部署 NAT 等给 Hadoop 集群提供外网访问能力。
- 对于私有部署，元数据服务和控制台已经部署在内网，Hadoop 节点需要能够访问元数据服务及控制台。
JuiceFS 所使用的存储桶需要提前创建好，Hadoop Java SDK 不会自动创建。
下载最新的 juicefs-hadoop.jar，在后续安装步骤中需要用到。

Hadoop 发行版

CDH

使用 Parcel 安装

在 Cloudera Manager 节点下载 Parcel 和 CSD，将 CSD 文件放入的 /opt/cloudera/csd 目录，将 Parcel 文件解压并将内容放入 /opt/cloudera/parcel-repo 目录。
重启 Cloudera Manager
```
service cloudera-scm-server restart
```
激活 Parcel
打开 CDH 管理界面 → Hosts → Check for New Parcels → JuiceFS → Distribute → Active
添加服务
打开 CDH 管理界面 → 集群名 → Add Service → JuiceFS → 选择安装机器 → 配置缓存目录（cache_dirs）
部署 JAR 文件
升级
如果需要升级，则下载新的 Parcel 文件，并进行第 3 步。

通过 Cloudera Manager 修改配置

Hadoop

CDH 5.x

通过 HDFS 服务界面修改 core-site.xml：

core-site

示例配置：

fs.jfs.impl=com.juicefs.JuiceFileSystem
fs.AbstractFileSystem.jfs.impl=com.juicefs.JuiceFS
juicefs.cache-size=10240
juicefs.cache-dir=xxxxxx
juicefs.cache-group=yarn
juicefs.discover-nodes-url=yarn
juicefs.accesskey=xxxxxx
juicefs.secretkey=xxxxxx
juicefs.token=xxxxxx
juicefs.access-log=/tmp/juicefs.access.log

CDH 6.x
除了上述 5.x 内容外。您还需通过 YARN 服务界面修改 mapreduce.application.classpath，增加以下配置：
```
$HADOOP_COMMON_HOME/lib/juicefs-hadoop.jar
```

HBase
通过 HBase 服务界面修改 hbase-site.xml：
配置：
```
<property>
  <name>hbase.rootdir</name>
  <value>jfs://{VOL_NAME}/hbase</value>
</property>
<property>
  <name>hbase.wal.dir</name>
  <value>hdfs://your-hdfs-uri/hbase-wal</value>
</property>
```
通过 ZooKeeper 客户端删除 zookeeper.znode.parent 配置的 znode（默认 /hbase），此操作将会删除原有 HBase 集群里的所有数据。
Hive
通过 Hive 服务界面修改 hive.metastore.warehouse.dir，可修改 Hive 建表默认位置（非必须）
```
jfs://myjfs/your-warehouse-dir
```
Impala
通过 Impala 服务界面修改 Impala 命令行参数高级配置
此参数可以使用 20 / 本地挂载磁盘数 来设置，修改此参数主要是为了增加 JuiceFS 的读取 I/O 线程数。
```
-num_io_threads_per_rotational_disk=4
```
Solr
通过 Solr 服务界面修改 Solr 服务环境高级配置代码段
```
hdfs_data_dir=jfs://myjfs/solr
```

最后重启集群，让配置修改生效。

HDP

将 JuiceFS 集成到 Ambari

下载 HDP 安装文件，解压后将内容放到 /var/lib/ambari-server/resources/stacks/HDP/{YOUR-HDP-VERSION}/services 下
重启 Ambari
```
systemctl restart ambari-server
```
添加 JuiceFS 服务
打开 Ambari 管理界面 → Services → Add Service → JuiceFS → 选择安装机器 → 配置 → deploy
在配置步骤，主要是配置缓存目录（cache_dirs）和下载版本（download_url）。
如果 Ambari 没有外网，可以直接将下载好的 JAR 包收到放到 share_download_dir 下，默认为 HDFS 的 /tmp 目录。
升级 JuiceFS
修改 download_url 的版本号，保存并 Refresh configs。

通过 Ambari 修改配置

Hadoop
通过 HDFS 服务界面修改 core-site.xml。
MapReduce2
通过 MapReduce2 服务界面修改配置 mapreduce.application.classpath，在末尾增加 :/usr/hdp/${hdp.version}/hadoop/lib/juicefs-hadoop.jar（变量无需替换）。
Hive
通过 Hive 服务界面修改 hive.metastore.warehouse.dir，可修改 Hive 建表默认位置（非必须）：
```
jfs://myjfs/your-warehouse-dir
```
如果配置了 Ranger 服务，则需要在 ranger.plugin.hive.urlauth.filesystem.schemes 配置追加 jfs 支持：
```
ranger.plugin.hive.urlauth.filesystem.schemes=hdfs:,file:,wasb:,adl:,jfs:
```

Druid

通过 Druid 界面修改目录地址（如无权限，需手动创建目录）：

"druid.storage.storageDirectory": "jfs://myjfs/apps/druid/warehouse"
"druid.indexer.logs.directory": "jfs://myjfs/user/druid/logs"

HBase
通过 HBase 服务界面修改一下参数
```
hbase.rootdir=jfs://myjfs/hbase
hbase.wal.dir=hdfs://your-hdfs-uri/hbase-wal
```
通过 ZooKeeper 客户端删除 zookeeper.znode.parent 配置的 znode（默认 /hbase），此操作将会删除原有 HBase 集群里的所有数据。
Sqoop
使用 Sqoop 将数据导入 Hive 时，Sqoop 会首先把数据导入 target-dir，然后在通过 hive load 命令将数据加载到 Hive 表，所以使用 Sqoop 时，需要修改 target-dir。
- 1.4.6
  使用此版本的 Sqoop 时还需要修改 fs, 此参数修改默认文件系统，所以需要将 HDFS 上面的 mapreduce.tar.gz 复制到 JuiceFS 上的相同路径，默认目录在 HDFS /hdp/apps/${hdp.version}/mapreduce/mapreduce.tar.gz。
```
sqoop import \
  -fs jfs://myjfs/ \
  --target-dir jfs://myjfs/tmp/your-dir
```
- 1.4.7
```
sqoop import \
  --target-dir jfs://myjfs/tmp/your-dir
```

最后，重启相应服务让配置修改生效。

EMR 平台

EMR 平台集成 JuiceFS 十分简单，大致步骤：

对节点加入初始化配置，执行安装 SDK 的脚本（emr-boot.sh），例如 emr-boot.sh --jar s3://xxx/juicefs-hadoop.jar；
修改 core-site.xml，加入 JuiceFS 相关配置。

已有 EMR 集群

常见的 EMR 平台大多不支持创建集群以后修改节点初始化设置，因此无法方便地在控制台进行配置，令新加入的节点启动时，在初始化阶段自动执行安装脚本。

因此如果你希望对已有的 EMR 集群进行 JuiceFS 集成，你需要自行设置，来确保初始化脚本随着节点初始化自动运行。

阿里云 EMR

在 EMR 软件配置界面配置高级设置

在软件配置 → 高级设置 → 修改配置（参考「常用配置」），格式如下：

[
    {
        "ServiceName": "HDFS",
        "FileName": "core-site",
        "ConfigKey": "fs.jfs.impl",
        "ConfigValue": "com.juicefs.JuiceFileSystem"
    },
    {
        "ServiceName": "HDFS",
        "FileName": "core-site",
        "ConfigKey": "fs.AbstractFileSystem.jfs.impl",
        "ConfigValue": "com.juicefs.JuiceFS"
    },
    ...
]

在基础信息界面的高级设置里面添加引导操作
下载 emr-boot.sh 脚本和 juicefs-hadoop.jar，并上传到您的对象存储上。
「脚本位置」填写 emr-boot.sh 在 OSS 上面的地址，「参数」填写 juicefs-hadoop-{version}.jar 在 OSS 上面的地址。
- 可以访问公网
```
--jar oss://{bucket}/resources/juicefs-hadoop-{version}.jar --endpoint {endpoint}
# 或者
--jar https://{bucket}.{endpoint}/resources/juicefs-hadoop-{version}.jar
```

腾讯云 EMR

在 EMR 可用区与软件配置界面配置高级设置：

EMR-tx-conf

填入 JuiceFS 相关配置，注意：

serviceVersion 需要和 Hadoop 版本匹配；
由于腾讯云 EMR 默认使用 hadoop 用户启动 HDFS，HDFS 的 superuser 为 hadoop。为了保持一致所以还需要指定 juicefs.superuser=hadoop。

[
    {
        "serviceName": "HDFS",
        "classification": "core-site.xml",
        "serviceVersion": "2.8.5",
        "properties": {
            "fs.jfs.impl": "com.juicefs.JuiceFileSystem",
            "fs.AbstractFileSystem.jfs.impl": "com.juicefs.JuiceFS",
            "juicefs.superuser": "hadoop",
            ...
        }
    }
]

在基础信息界面的高级设置里面添加引导操作
下载 emr-boot.sh 脚本和 juicefs-hadoop.jar，并上传到您的对象存储上。
对象存储需授权，引导操作的运行时机为「集群启动前」。
「脚本位置」填写 emr-boot.sh 在 COS 上面的地址，「参数」填写 juicefs-hadoop-{version}.jar 在 COS 上面的地址。
- 可以访问公网
```
--jar cosn://{bucket}/{jar-path}
```
启动集群

金山云 KMR

同 HDP 环境的配置方法

Amazon EMR

进入 Software and Steps 界面：

AWS-EMR-conf

填写 JuiceFS 相关配置，格式如下：

[
    {
        "classification": "core-site",
        "properties": {
            "fs.jfs.impl": "com.juicefs.JuiceFileSystem",
            "fs.AbstractFileSystem.jfs.impl": "com.juicefs.JuiceFS",
            "juicefs.token": "",
            ...
        }
    }
]

使用 HBase on JuiceFS 配置：

[
    {
        "classification": "core-site",
        "properties": {
            "fs.jfs.impl": "com.juicefs.JuiceFileSystem",
            "fs.AbstractFileSystem.jfs.impl": "com.juicefs.JuiceFS"
            ...
        }
    },
    {
        "classification": "hbase-site",
        "properties": {
            "hbase.rootdir": "jfs://{VOLUME}/hbase"
        }
    }
]

在 General Cluster Settings 界面添加引导操作
下载 emr-boot.sh 脚本和 juicefs-hadoop.jar，并上传到您的对象存储上。
「脚本位置」填写 emr-boot.sh 的 S3 地址，「参数」填写 juicefs-hadoop-{version}.jar 的 S3 地址。
```
--jar s3://{bucket}/resources/juicefs-hadoop-{version}.jar
```

为特定 Hadoop 应用安装

如果你仅仅希望为特定应用安装 Hadoop SDK，需要将下载的 juicefs-hadoop.jar 和 $JAVA_HOME/lib/tools.jar 加入到应用对应的目录（下方表格所示）。

名称	安装目录
Hadoop	`${HADOOP_HOME}/share/hadoop/common/lib/`
Hive	`${HIVE_HOME}/auxlib`
Spark	`${SPARK_HOME}/jars`
Presto	`${PRESTO_HOME}/plugin/hive-hadoop2`
Flink	`${FLINK_HOME}/lib`
DataX	`${DATAX_HOME}/plugin/writer/hdfswriter/libs` `${DATAX_HOME}/plugin/reader/hdfsreader/libs`

Apache Spark

安装 juicefs-hadoop.jar 文件

添加 JuiceFS 配置，Apache Spark 有多种方法引入配置：

修改 core-site.xml 文件

命令行传入

spark-shell --master local[*] \
  --conf spark.hadoop.fs.jfs.impl=com.juicefs.JuiceFileSystem \
  --conf spark.hadoop.fs.AbstractFileSystem.jfs.impl=com.juicefs.JuiceFS \
  --conf spark.hadoop.juicefs.token=xxx \
  --conf spark.hadoop.juicefs.accesskey=xxx \
  --conf spark.hadoop.juicefs.secretkey=xxx \
  ...

通过修改 $SPARK_HOME/conf 目录下的 spark-defaults.conf 文件

Apache Flink

安装 juicefs-hadoop.jar 文件
添加 JuiceFS 配置，Apache Flink 有多种方法引入配置：
- 通过修改 core-site.xml 文件
- 通过修改 flink-conf.yaml 文件

Presto

安装 juicefs-hadoop.jar 文件
通过修改过 core-site.xml 添加 JuiceFS 配置

DataX

安装 juicefs-hadoop.jar 文件

修改 DataX 配置文件：

"defaultFS": "jfs://myjfs",
"hadoopConfig": {
    "fs.jfs.impl": "com.juicefs.JuiceFileSystem",
    "fs.AbstractFileSystem.jfs.impl": "com.juicefs.JuiceFS",
    "juicefs.token": "xxx",
    "juicefs.accesskey": "xxx",
    "juicefs.secretkey": "xxx"
}

HBase

修改 hbase-site：

"hbase.rootdir": "jfs://myjfs/hbase"

修改 hbase：

"hbase.emr.storageMode": "jfs"

常用配置

安装完毕后，需要在 core-site.xml 中对 JuiceFS 进行初步配置，该小节中梳理了最为关键的一系列配置，完整配置列表请见参数设置。

基础配置

fs.jfs.impl=com.juicefs.JuiceFileSystem
fs.AbstractFileSystem.jfs.impl=com.juicefs.JuiceFS
juicefs.token=
juicefs.accesskey=
juicefs.secretkey=
# 文件系统访问日志，日志量可能会比较大，生产环境中此项可不配置
juicefs.access-log=/tmp/juicefs.access.log
# 如果是私有部署环境，还需要填写控制台地址
juicefs.console-url=http://host:port

缓存配置

为了方便 Hadoop 下各应用访问缓存数据，我们推荐你提前手动创建缓存目录，并将目录权限设置为 777。更多请阅读「缓存」以了解相关设计。

# 本地缓存目录
juicefs.cache-dir=
# 缓存大小，单位 MiB
juicefs.cache-size=
# 如果启用分布式缓存，在这里填写组名
juicefs.cache-group=
# 需要根据不同使用场景填写不同参数
juicefs.discover-nodes-url=

对于客户端不断变动的情况（比如容器场景），考虑使用「独立缓存集群」，可以在独立缓存节点上挂载 JuiceFS 客户端，来建立独立缓存集群：

juicefs mount \
  --buffer-size=2000 \
  --cache-group=xxx \
  --cache-group-size=512 \
  --cache-dir=xxx \
  --cache-size=204800 \
  {$VOL_NAME} /jfs

独立缓存集群对应的常见 SDK 缓存配置：

juicefs.cache-dir=
juicefs.cache-size=
juicefs.cache-group=xxx
juicefs.discover-nodes-url=all
# 计算节点可能会动态变化，不需要加入缓存组，因此将 juicefs.no-sharing 设为 true
juicefs.no-sharing=true

测试验证

此处罗列各类 Hadoop 应用的验证步骤，确保能正常使用 JuiceFS。

Hadoop

hadoop fs -ls jfs://${VOL_NAME}/
hadoop fs -mkdir jfs://${VOL_NAME}/jfs-test
hadoop fs -rm -r jfs://${VOL_NAME}/jfs-test

Hive、SparkSQL、Impala

create table if not exists person(
    name string,
    age int
)

location 'jfs://${VOL_NAME}/tmp/person';
insert into table person values('tom',25);
insert overwrite table person select name, age from person;
select name, age from person;
drop table person;

Spark Shell

import org.apache.hadoop.conf.Configuration
import org.apache.hadoop.fs._
val conf = sc.hadoopConfiguration
val p = new Path("jfs://${VOL_NAME}/")
val fs = p.getFileSystem(conf)
fs.listStatus(p)

HBase

create 'test', 'cf'
list 'test'
put 'test', 'row1', 'cf:a', 'value1'
scan 'test'
get 'test', 'row1'
disable 'test'
drop 'test'

Flume

jfs.sources =r1
jfs.sources.r1.type = org.apache.flume.source.StressSource
jfs.sources.r1.size = 10240
jfs.sources.r1.maxTotalEvents=10
jfs.sources.r1.batchSize=10
jfs.sources.r1.channels = c1

jfs.channels = c1
jfs.channels.c1.type = memory
jfs.channels.c1.capacity = 100
jfs.channels.c1.transactionCapacity = 100

jfs.sinks = k1
jfs.sinks.k1.type = hdfs
jfs.sinks.k1.channel = c1
jfs.sinks.k1.hdfs.path =jfs://${VOL_NAME}/tmp/flume
jfs.sinks.k1.hdfs.writeFormat= Text
jfs.sinks.k1.hdfs.fileType= DataStream

Flink

echo 'hello world' > /tmp/jfs_test
hadoop fs -put /tmp/jfs_test jfs://${VOL_NAME}/tmp/
rm -f /tmp/jfs_test
./bin/flink run -m yarn-cluster ./examples/batch/WordCount.jar --input jfs://${VOL_NAME}/tmp/jfs_test --output jfs://${VOL_NAME}/tmp/result

重启相关服务

安装、升级 Hadoop SDK，或者调整配置，需要重启相关服务，才能令配置生效。

无需重启组件：
- HDFS
- HUE
- ZooKeeper
以下各组件服务，只有当用到 JuiceFS 时才需要重启。如果启用 HA，可以通过滚动重启，不影响使用。
- YARN
- Hive Metastore Server, HiveServer2
- Spark ThriftServer
- Spark Standalone
  - Master
  - Worker
- Presto
  - Coordinator
  - Worker
- Impala
  - Catalog Server
  - Daemon
- HBase
  - Master
  - RegionServer
- Flume

最佳实践

Hadoop

Hadoop 生态组件一般通过 org.apache.hadoop.fs.FileSystem 类与 HDFS 对接，JuiceFS 同样也通过继承这个类来支持 Hadoop 生态的各个组件。

Hadoop SDK 启用后，就可以通过 hadoop fs 命令操作 JuiceFS：

hadoop fs -ls jfs://{VOL_NAME}/

如果想省去 jfs:// 协议前缀，可以将 fs.defaultFS 设置为 JuiceFS 地址，在 core-site.xml 里面增加如下配置：

<property>
    <name>fs.defaultFS</name>
    <value>jfs://{VOL_NAME}</value>
</property>

注意

修改 defaultFS 会导致所有没有带协议的路径默认均指向 JuiceFS，可能会导致一些其他问题，建议先在测试环境中测试。

Hive

在 Hive 中建库建表时，使用 LOCATION 来指定存储数据的具体路径。

建库建表

  -- create database
CREATE DATABASE ... database_name
  LOCATION 'jfs://{VOL_NAME}/path-to-database';

  -- create table
CREATE TABLE ... table_name
  LOCATION 'jfs://{VOL_NAME}/path-to-table';

Hive create 的表，默认会在 database 的 location 下。如果 database 的 location 已经在 JuiceFS 上，新建 table 默认也会在 JuiceFS 上。

改库改表
```
ALTER DATABASE database_name
SET LOCATION 'jfs://{VOL_NAME}/path-to-database';

ALTER TABLE table_name
SET LOCATION 'jfs://{VOL_NAME}/path-to-table';

ALTER TABLE table_name PARTITION(...)
SET LOCATION 'jfs://{VOL_NAME}/path-to-partition';
```
Hive 支持使用多种文件系统存储数据。对于未分区表，整张表的数据必须是在同一个文件系统上。对于分区表，每个分区可以独立设置文件系统。
如果想默认建库就在 JuiceFS 上，可以通过将 hive.metastore.warehouse.dir 修改为 JuiceFS 上的路径。

Spark

Spark 有多种运行模式，如 Standalone、YARN、Kubernetes、Thrift Server 等。

由于 JuiceFS 分布式缓存设计，JuiceFS 需要保证客户端的机器 IP 尽量不变才能保证缓存的高效利用。因此，Spark 各种运行模式对于 JuiceFS 的最主要区别就是 executor 进程是否常驻，executor 所在机器的 IP 是否经常变化。

在 executor 进程常驻（例如 Thrift Server 模式），或者在 executor 所在的机器 IP 基本固定并且集群使用率比较高时（Spark on YARN，Standalone），使用分布式缓存。juicefs.discover-nodes-url 参数需要做相应的设置。

在 executor 进程经常变化，并且机器 IP 也经常变化时（Spark on K8s），使用「独立缓存集群」方案。juicefs.discover-nodes-url 设置为 all。

Spark shell

scala> sc.textFile("jfs://{VOL_NAME}/path-to-input").count

HBase

HBase 主要在 HDFS 存储两部分数据，WAL 文件以及 HFile。写入数据时，会先写 WAL，然后再通过 hflush 将数据写入 RegionServer 的 memstore。这样可以保证即使 RegionServer 异常退出时，已经提交的数据仍然可以通过 WAL 恢复。当 RegionServer 里面的数据已经落入 HDFS 形成 HFile 后，WAL 文件会被删除，所以整体 WAL 文件对空间的使用量不会很大。

由于 JuiceFS hflush 的实现与 HDFS 有别，当 juicefs.hflush 设置为 sync 时，JuiceFS 的 hflush 性能比较慢，因此建议将 WAL 文件写入 HDFS，最终的 HFile 写入 JuiceFS。

<property>
    <name>hbase.rootdir</name>
    <value>jfs://{VOL_NAME}/hbase</value>
</property>
<property>
    <name>hbase.wal.dir</name>
    <value>hdfs://{NAME_SPACE}/hbase-wal</value>
</property>

Flink

Apache Flink 若使用 Streaming File Sink 从文件系统读写数据。为了保证数据的可靠性，Flink 需要在 checkpoint 时使用 RollingPolicy。

对于版本小于 2.7 的 Hadoop 版本，由于 HDFS 没有 truncate 功能，需要使用 OnCheckpointRollingPolicy，每次 checkpoint 都关闭并生成新的文件写入数据，会导致大量小文件。

Hadoop2.7 及以上版本的 HDFS，可以使用 DefaultRollingPolicy，可以根据文件大小、时间以及空闲时间来滚动文件。

JuiceFS 实现了 truncate 功能，所以同样也可以使用 DefaultRollingPolicy。

Flink 支持使用 plugin 的模式对接文件系统，将 juicefs-hadoop.jar 文件放到 lib 目录下即可。

Flume

JuiceFS 同样利用 HDFS sink 与 Flume 集成。hdfs.batchSize 表示多少消息调用一次 hflush 接口。

为了保证数据不丢失，juicefs.hflush 应设置为 sync，同时应该将 hdfs.batchSize 调大，将每个批次的数量控制在消息总大小 4MB（默认每个对象块的大小）左右。

另外如果启用了数据压缩（hdfs.fileType 设为 CompressedStream），极端情况下如果出现对象存储不可写入的情况，可能会导致整个压缩文件损坏，导致之前已经 hflush 的数据仍然不可读。如果有这方面的顾虑，建议将 hdfs.fileType 设置为 DataStream，后续再通过 ETL 任务进行数据压缩。

Sqoop

使用 Sqoop 将数据导入 Hive 时，Sqoop 会首先把数据导入 target-dir，然后在通过 hive load 命令将数据加载到 Hive 表，所以使用 Sqoop 时，需要修改 target-dir。

1.4.6
使用此版本的 Sqoop 时还需要将 fs 设为 JuiceFS，因此还需将 HDFS 上面的 mapreduce.tar.gz 复制到 JuiceFS 上的相同路径，默认目录在 HDFS /hdp/apps/${hdp.version}/mapreduce/mapreduce.tar.gz
```
sqoop import \
  -fs jfs://{VOL_NAME}/ \
  --target-dir jfs://{VOL_NAME}/path-to-dir
```

1.4.7

sqoop import \
  --target-dir jfs://{VOL_NAME}/path-to-dir

准备​

Hadoop 发行版​

CDH​

使用 Parcel 安装​

通过 Cloudera Manager 修改配置​

HDP​

将 JuiceFS 集成到 Ambari​

通过 Ambari 修改配置​

EMR 平台​

已有 EMR 集群​

阿里云 EMR​

腾讯云 EMR​

金山云 KMR​

Amazon EMR​

为特定 Hadoop 应用安装​

Apache Spark​

Apache Flink​

Presto​

DataX​

HBase​

常用配置​

基础配置​

缓存配置​

测试验证​

Hadoop​

Hive、SparkSQL、Impala​

Spark Shell​

HBase​

Flume​

Flink​

重启相关服务​

最佳实践​

Hadoop​

Hive​

Spark​

HBase​

Flink​

Flume​

Sqoop​

准备

Hadoop 发行版

CDH

使用 Parcel 安装

通过 Cloudera Manager 修改配置

HDP

将 JuiceFS 集成到 Ambari

通过 Ambari 修改配置

EMR 平台

已有 EMR 集群

阿里云 EMR

腾讯云 EMR

金山云 KMR

Amazon EMR

为特定 Hadoop 应用安装

Apache Spark

Apache Flink

Presto

DataX

HBase

常用配置

基础配置

缓存配置

测试验证

Hadoop

Hive、SparkSQL、Impala

Spark Shell

HBase

Flume

Flink

重启相关服务

最佳实践

Hadoop

Hive

Spark

HBase

Flink

Flume

Sqoop