整合 Tachyon 运行Shark（译）

整合 Tachyon 运行Shark

前提是已经有 Shark ， 我们也假设你已经安装了 Tachyon 和 Hadoop  根据  Local Mode or  Cluster Mode。

Shark 0.7 增加了一个新的存储格式支持从 Tachyon 高效率读取数据，这使得在 Shark 实例间数据共享和隔离。我们的聚会幻灯片（slide）给出了使用Tachyon 缓存 Shark's 表的好处一个很好的概述。总之，以下四个是主要的：

• 内存中的数据共享多个 Shark 实例 (即：加强隔离)

• 即时恢复内存中的表

• 减少 Shark 的堆大小导致的频繁GC 问题

• 如果表的大小超出了可用内存总数，只有常用列会被缓存在内存中（译者注：根据使用频率缓存）

Shark 兼容性

Tachyon 版本	Shark 版本
0.2.1	0.7.x
0.3.0	0.8.1
0.4.0	0.9.0
0.4.1	0.9.1 +
0.5.0	0.9.1 +

配置

为了基于Tachyon运行 Shark，首先需要配置Tachyon，在 Local Mode or in Cluster Mode, 及 HDFS 。

然后添加以下行内容在 shark-env.sh：

export TACHYON_MASTER="tachyon://TachyonMasterHost:TachyonMasterPort" export TACHYON_WAREHOUSE_PATH=/sharktables

缓存 Shark tables 到 Tachyon

组合方式在Tachyon 上创建缓存表，运行这些查询需要一些数据已经在 文件系统 或加载到 Shark。

指定 TBLPROPERTIES(“shark.cache” = “tachyon”), 示例：

CREATE TABLE data TBLPROPERTIES(“shark.cache” = “tachyon”) AS SELECT a, b, c from data_on_disk WHERE month=“May”;

指定表名字必须以 _tachyon 结尾，示例：

CREATE TABLE orders_tachyon AS SELECT * FROM orders;


之后再Tachyon中创建这个表，你可以像其他表那样查询它。