简介
文件存储是阿里云今年新推出的存储服务，因为它提供标准的文件访问协议，用户无需对现有应用做任何修改，即可使用具备无限容量及性能扩展、单一命名空间、多共享、高可靠和高可用等特性的分布式文件系统。E-MapReduce服务是阿里云上的开源大数据解决方案，可以帮用户构建基于Hadoop等开源组件的大数据平台。
今天我给大家介绍一个使用场景，可以将E-MapReduce的Hadoop作业和文件存储（NAS）结合在一起，发挥分布式存储和分布式计算在一起的威力。
环境准备
第一步：按照官方文档在文件存储的管理控制台依次创建文件系统、创建挂载点、配置权限组规则。值得注意的是，如果使用经典网络环境，挂载点不提供默认权限组，且经典网络类型权限组规则授权地址只能是单个 IP 而不能是网段，所以你需要在控制台里手动添加规则。所以需要确保E-MapReduce集群里所有的节点都设置了对NAS的访问权限（读写）。
第二步：通过SSH登录E-MapReduce节点，挂载NAS。注意：master节点和worker节点都需要挂载：
sudo mkdir /mnt/nas
sudo mount -t nfs4 <nas-url>.cn-hangzhou.nas.aliyuncs.com:/ /mnt/nas第三步：测试挂载是否生效，比如可以在Master节点上创建目录：
mkdir /mnt/nas/wc-in并在worker节点上创建文件
touch /mnt/nas/wc-in/1.txt确保所有节点上都能看到文件，这样NAS配置就算成功了
[hadoop@emr-header-1 ~]$ ls -l /mnt/nas/wc-in
total 8
-rw-rw-r-- 1 hadoop hadoop 27 12月 12 10:32 1.txt
-rw-rw-r-- 1 hadoop hadoop 28 12月 12 10:32 2.txt运行Hadoop MapReduce任务
环境准备好之后，我们就可以运行Hadoop任务，这里的例子采用了最常见的WordCount：
hadoop jar /opt/apps/hadoop-2.7.2/share/hadoop/mapreduce/hadoop-mapreduce-examples-2.7.2.jar wordcount file:///mnt/nas/wc-in file:///mnt/nas/wc-out因为NAS就是挂载在本地的文件系统，所以可以采用Hadoop自带的处理组件，我们只需要在输入和输出目录（或文件）前面加上 file:/// 前缀，MapReduce任务就会自动定位到NAS上，处理NAS上的数据，并把结果写到NAS上。
查看结果
[hadoop@emr-worker-2 wc-out]$ cat /mnt/nas/wc-out/part-*
world 2
aliyun 2
alibaba 1
hadoop 1
hello 1
tencent 1