Docs
Theory, Analysis
Hadoop AWS S3 Filesystem

Hadoop AWS S3 Filesystem

Hadoop에서 이용 가능한 AWS S3 Filesystem을 정리한다.

1. Hadoop AWS S3 Filesystem

Hadoop에서는 이용시 Data 저장소로 HDFS 뿐만 아니라 AWS S3를 Data 저장소로 이용 가능하다. Data 저장 및 전송 방식에 따라서 S3, S3A, S3N 3가지 Type으로 구분된다.

1.1. S3 (S3 Block Filesystem)

Hadoop에서 접근하는 File을 S3에 Block 형태로 저장하는 Filesystem이다. Hadoop App에서 “s3://“으로 시작하는 URL 이용시 S3 Type을 이용한다. S3의 Object를 Block Disk의 Block으로 Mapping하여 이용한다. 따라서 S3에 저장되는 Object는 다수의 File로 구성된 Block을 의미하며 File과 Object은 N:1 관계를 갖는다. Object는 다수의 File로 구성된 Block이기 때문에 File은 AWS Management Console이나 aws CLI를 통해서 접근할 수 없다.

1.2. S3N (S3 Native Filesystem)

이름에서 추측할 수 있는것 처럼 Hadoop에서 접근하는 File을 S3의 하나의 Object로 저장하는 Filesystem이다. Hadoop App에서 “s3n://“으로 시작하는 URL 이용시 S3N Type을 이용한다. File과 Object는 1:1 관계를 갖는다. 따라서 AWS Management Console이나 aws CLI를 통해서도 File에 직접 접근할 수 있다. 하나의 File의 크기가 5GB 이상을 넘지 못하는 단점을 갖는다.

1.3. S3A (S3 Advanced Filesystem)

S3N을 발전시킨 Filesystem이다. Hadoop App에서 “s3a://“으로 시작하는 URL 이용시 S3A Type을 이용한다. File과 Object는 S3N과 동일하게 1:1 관계를 갖지만, S3의 Multi-part Upload/Download 기능을 활용하기 때문에 하나의 File의 크기는 최대 5TB까지 지원하며 더 빠른 성능을 보여준다. Multi-part Upload/Download를 이용하기 위해서는 관련 기능을 수행하는 AWS Library가 Node에 포함되어야 한다.

S3A는 S3N과의 하위 호환성을 지원한다. 따라서 S3N을 이용하는 Hadoop Application은 S3A로 변경을 통해서 S3A로 손쉽게 이전할 수 있다. Hadoop 2.7 Version 이후부터는 S3N 대신 S3A 이용이 권장되며, Hadoop 3.0 Version 이후에는 S3A만 이용이 가능하다. 내부적으로 S3A Commiter를 이용한다.

2. EMRFS on EMR Cluster

AWS의 EMR Cluster에서는 EMRFS을 통해서 S3를 저장소로 이용 가능하다. EMR Cluster 내부의 App에서 “s3://”, “s3a://” URL로 시작하는 File 접근시 EMRFS을 이용한다. 따라서 “s3://”, “s3a://” 동일한 URL을 이용하여도 일반적인 Hadoop Cluster 또는 EMR Cluster인지에 따라서 내부 동작이 다르다. EMRFS의 경우에는 보안과 안정성 측면 때문에 “s3a://” 보다 “s3://” 이용을 권장하고 있으며, “s3a://“을 지원하지 않는다. 내부적으로 EMR S3-optimized Committer를 이용한다.

3. 참고

HadoopHMAC (Hash based Message Authentication Code)