[INFRA] EMR集群中Hive和Spark集成Glue Data Catalog过程的深入分析

zhojiew2026-03-26 12:09
请注意本文部分内容经过AI辅助生成，虽然经过笔者检查但是并不保证内容的正确性，请自行判断准确性，本文对相关后果不承担责任

本文基于 EMR 7.12.0 集群实际反编译分析。集群配置如下

EMR 通过 AWS Glue Data Catalog 替代传统 Hive Metastore（MySQL/Derby）后端。其核心机制是利用 Hive 的 HiveMetaStoreClientFactory SPI 扩展点，用 AWS SDK v2 的 Glue API 调用替换 Thrift RPC + MySQL 后端，同时通过双向 Converter 在 Hive/Glue 数据模型之间无缝转换。

整体架构如下

复制代码 
┌─────────────────────────────────────────────────────────────────┐
│                    Hive / Spark SQL 查询                         │
│         (CREATE TABLE, SELECT, SHOW DATABASES ...)              │
└──────────────────────────┬──────────────────────────────────────┘
                           │
                           ▼
┌──────────────────────────────────────────────────────────────────┐
│          IMetaStoreClient 接口 (Hive 标准接口)                    │
│   getDatabase(), getTable(), getPartition(), createTable() ...  │
└──────────────────────────┬──────────────────────────────────────┘
                           │  实现替换
                           ▼
┌──────────────────────────────────────────────────────────────────┐
│        AWSCatalogMetastoreClient (implements IMetaStoreClient)   │
│  ┌─────────────────────────────────────────────────────────────┐ │
│  │  GlueMetastoreClientDelegate  ← 核心委托，所有操作在这里实现   │ │
│  │    ├── GlueClient (AWS SDK v2)  ← 实际调用 Glue API         │ │
│  │    ├── CatalogToHiveConverter   ← Glue模型 → Hive模型       │ │
│  │    ├── HiveToCatalogConverter   ← Hive模型 → Glue模型       │ │
│  │    └── Warehouse                ← HDFS/S3 路径管理           │ │
│  └─────────────────────────────────────────────────────────────┘ │
└──────────────────────────┬──────────────────────────────────────┘
                           │  AWS SDK v2 (software.amazon.awssdk.services.glue)
                           ▼
┌──────────────────────────────────────────────────────────────────┐
│              AWS Glue Data Catalog Service                        │
│         (Databases, Tables, Partitions, Functions)                │
└──────────────────────────────────────────────────────────────────┘

JAR 文件（3 层架构）位于 /usr/share/aws/hmclient/lib/：

JAR 大小 用途
aws-glue-datacatalog-client-common-4.9.0.jar 155KB 公共层：GlueMetastoreClientDelegate、Converter、GlueClientFactory、凭证工厂
aws-glue-datacatalog-hive3-client-4.9.0.jar 199KB Hive 专用：AWSCatalogMetastoreClient（Hive3 版本）、Factory 入口
aws-glue-datacatalog-spark-client-4.9.0.jar 244KB Spark 专用：AWSCatalogMetastoreClient（Spark 版本）+ LakeFormation FGAC 支持

加载路径如下

  • Hive Metastore 进程 ：通过 /usr/lib/hive/auxlib/ 软链接加载 hive3-client.jar

    复制代码 
    /usr/lib/hive/auxlib/aws-glue-datacatalog-hive3-client.jar
  → /usr/share/aws/hmclient/lib/aws-glue-datacatalog-hive3-client.jar
    → aws-glue-datacatalog-hive3-client-4.9.0.jar

  • Spark Driver/Executor ：通过 spark.driver.extraClassPath / spark.executor.extraClassPath 加载 spark-client.jar

    复制代码 
    /usr/share/aws/hmclient/lib/aws-glue-datacatalog-spark-client.jar

Common JAR：

复制代码 
com/amazonaws/glue/catalog/converters/    # 双向模型转换器
com/amazonaws/glue/catalog/exceptions/    # 异常定义
com/amazonaws/glue/catalog/metastore/     # 核心委托、客户端工厂、凭证工厂
com/amazonaws/glue/catalog/util/          # 工具类（批量操作、分区、审计）

Hive3 Client JAR（在 Common 基础上增加）：

复制代码 
com/amazonaws/glue/shims/                 # Hive 版本适配层

Spark Client JAR（在 Common 基础上增加）：

复制代码 
com/amazonaws/emr/spark/                  # Spark 自定义函数插件
com/amazonaws/glue/accesscontrol/         # LakeFormation 访问控制
com/amazonaws/glue/accesscontrol/s3a/     # S3 访问控制集成
com/amazonaws/glue/fgac/                  # 细粒度访问控制
com/amazonaws/glue/catalog/metastore/converters/  # Spark 专用转换器
com/amazonaws/glue/catalog/metastore/util/        # 视图 SQL 验证

启动调用链（Factory 模式）

AWSGlueDataCatalogHiveClientFactory 实现了 Hive 的 HiveMetaStoreClientFactory 接口，这是 Hive 的 SPI 扩展点，让 Glue 客户端无缝替换原生 Thrift 客户端。从反编译字节码还原的调用链如下

复制代码 
1. Hive/Spark 读取配置:
   hive.metastore.client.factory.class =
     com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory

2. AWSGlueDataCatalogHiveClientFactory.createMetaStoreClient(HiveConf, HookLoader, ...):
   → new AWSCatalogMetastoreClient(HiveConf, HiveMetaHookLoader)

3. AWSCatalogMetastoreClient 构造函数 (Builder 模式):
   → AWSGlueClientFactory.newClient()          // 创建 AWS SDK v2 GlueClient
   → new Warehouse(conf)                        // 初始化 HDFS/S3 路径管理
   → new GlueMetastoreClientDelegate(conf, glueClient, warehouse, catalogId, converter)
   → doesDefaultDBExist() ? : createDefaultDatabase()  // 确保 default 库存在

反编译的 Factory 字节码：

java 复制代码 
public class AWSGlueDataCatalogHiveClientFactory implements HiveMetaStoreClientFactory {
    public IMetaStoreClient createMetaStoreClient(HiveConf conf, HiveMetaHookLoader hookLoader,
            boolean allowEmbedded, ConcurrentHashMap<String, Long> cache) throws MetaException {
        return new AWSCatalogMetastoreClient(conf, hookLoader);
    }
}

核心委托模式（GlueMetastoreClientDelegate）

所有 metastore 操作都委托给此类：

关键成员变量

java 复制代码 
private final GlueClient glueClient;                          // AWS SDK v2 Glue 客户端
private final Configuration conf;                               // Hadoop 配置
private final Warehouse wh;                                     // 路径管理
private final CatalogToHiveConverter catalogToHiveConverter;    // Glue→Hive 转换
protected final String catalogId;                               // Glue Catalog ID（默认账号ID）
protected final int numPartitionSegments;                       // 分区并行获取段数
protected static final ExecutorService GLUE_METASTORE_DELEGATE_THREAD_POOL;  // 并行线程池

操作映射关系

Hive Metastore 操作 Glue API 调用
getDatabase("mydb") glueClient.getDatabase(GetDatabaseRequest) → CatalogToHiveConverter.convertDatabase()
createTable(table) HiveToCatalogConverter.convertTable(table) → glueClient.createTable(CreateTableRequest)
getTable(db, tbl) glueClient.getTable(GetTableRequest) → CatalogToHiveConverter.convertTable()
getPartitions(db, tbl, expr) glueClient.getPartitions() → CatalogToHiveConverter.convertPartitions()
addPartitions(partList) HiveToCatalogConverter.convertPartition() → glueClient.batchCreatePartition()
dropTable(db, tbl) glueClient.deleteTable(DeleteTableRequest)
alterTable(db, tbl, newTbl) HiveToCatalogConverter.convertTable() → glueClient.updateTable(UpdateTableRequest)

AWSCatalogMetastoreClient 关键成员

java 复制代码 
public class AWSCatalogMetastoreClient implements IMetaStoreClient {
    private final Configuration conf;
    private final GlueClient glueClient;
    private final Warehouse wh;
    private final GlueMetastoreClientDelegate glueMetastoreClientDelegate;  // 核心委托
    private final String catalogId;
    private final CatalogToHiveConverter catalogToHiveConverter;
    private final AwsGlueHiveShims hiveShims;          // Hive 版本适配
    private final HiveMetaHookLoader hookLoader;        // Hook 加载器
    private Map<String, String> currentMetaVars;

    // 批量删除分区的线程池
    private static final int BATCH_DELETE_PARTITIONS_PAGE_SIZE;
    private static final int BATCH_DELETE_PARTITIONS_THREADS_COUNT;
    private static final ExecutorService BATCH_DELETE_PARTITIONS_THREAD_POOL;
}

双向模型转换器

HiveToCatalogConverter（Hive → Glue）

java 复制代码 
public class HiveToCatalogConverter {
    public static glue.model.Database    convertDatabase(hive.api.Database);
    public static glue.model.Table       convertTable(hive.api.Table);
    public static glue.model.Partition   convertPartition(hive.api.Partition);
    public static glue.model.StorageDescriptor convertStorageDescriptor(hive.api.StorageDescriptor);
    public static glue.model.Column      convertFieldSchema(hive.api.FieldSchema);
    public static glue.model.SerDeInfo   convertSerDeInfo(hive.api.SerDeInfo);
    public static glue.model.SkewedInfo  convertSkewedInfo(hive.api.SkewedInfo);
    public static glue.model.Order       convertOrder(hive.api.Order);
    public static glue.model.UserDefinedFunction convertFunction(hive.api.Function);
    public static List<glue.model.ColumnStatistics> convertColumnStatisticsObjList(hive.api.ColumnStatistics);
}

CatalogToHiveConverter（Glue → Hive，接口）

java 复制代码 
public interface CatalogToHiveConverter {
    TException wrapInHiveException(Throwable);
    TException errorDetailToHiveException(glue.model.ErrorDetail);
    hive.api.Database   convertDatabase(glue.model.Database);
    hive.api.Table      convertTable(glue.model.Table, String dbName);
    hive.api.TableMeta  convertTableMeta(glue.model.Table, String dbName);
    hive.api.Partition  convertPartition(glue.model.Partition);
    List<hive.api.Partition> convertPartitions(List<glue.model.Partition>);
    hive.api.Function   convertFunction(String dbName, glue.model.UserDefinedFunction);
    List<hive.api.ColumnStatisticsObj> convertColumnStatisticsList(List<glue.model.ColumnStatistics>);
}

实现类：

  • Hive3CatalogToHiveConverter --- Hive3 专用实现
  • SparkCatalogToHiveConverter --- Spark 专用实现（在 spark-client JAR 中）
  • 通过 CatalogToHiveConverterFactory 按版本选择

分区操作的并行优化

java 复制代码 
// 关键常量
BATCH_CREATE_PARTITIONS_MAX_REQUEST_SIZE   // 批量创建分区的最大请求大小
BATCH_GET_PARTITIONS_MAX_REQUEST_SIZE      // 批量获取分区的最大请求大小
GET_PARTITIONS_MAX_SIZE                    // 单次获取分区上限
GET_COLUMNS_STAT_MAX_SIZE                  // 列统计信息批量获取上限
UPDATE_COLUMNS_STAT_MAX_SIZE               // 列统计信息批量更新上限
DEFAULT_NUM_PARTITION_SEGMENTS             // 默认并行段数
MAX_NUM_PARTITION_SEGMENTS                 // 最大并行段数

并行获取机制：

复制代码 
getPartitions(db, table, expression, max)
  → getPartitionsParallel(db, table, expression, max, convertToHive)
    → 将请求分成多个 Segment
    → 通过 GLUE_METASTORE_DELEGATE_THREAD_POOL 并行执行 getPartitionsFutures()
    → 合并结果并转换为 Hive Partition 对象

可通过配置调整：

  • aws.glue.partition.num.segments --- 并行段数

Hive和Spark 客户端比较

Spark 客户端比 Hive 客户端多出以下能力：

LakeFormation 细粒度访问控制（FGAC）

类 功能
GlueMetastoreClientLakeFormationDelegate LakeFormation 权限委托
AWSLakeFormationAccessControlInternal 内部访问控制逻辑
AWSLakeFormationAccessControlUtils 访问控制工具
AWSLakeFormationCredentialVendor 临时凭证分发
AWSLakeFormationCredentialResolver 凭证解析
LakeFormationCredentialsProviderV1 凭证提供者
accesscontrol.s3a.AWSLakeFormationCredentialResolver 通过 LakeFormation 获取 S3 临时凭证

Spark 特有功能

类 功能
SparkCatalogToHiveConverter Spark 专用模型转换器
GlueMetastoreViewSqlValidatorUtil 视图 SQL 验证
AwsFunctionsPluginImpl AWS 自定义函数插件

多方言视图支持

通过 GlueMetastoreClientDelegate 中的常量可以看到：

  • VIEW_HAS_NON_SPARK_DIALECTS --- 标记视图是否包含非 Spark 方言
  • VIEW_SUB_OBJECTS --- 视图子对象
  • VIEW_UPDATE_ACTION --- 视图更新动作
  • IS_MDV --- 是否为多方言视图
  • FORCE_ALTER_VIEW --- 强制修改视图

凭证链

复制代码 
AWSCredentialsProviderFactory (接口)
  ├── DefaultAWSCredentialsProviderFactory   ← 默认，使用 EC2 Instance Profile
  ├── SessionCredentialsProviderFactory      ← STS 临时凭证
  ├── ProfileCredentialsProviderFactory      ← AWS Profile 配置文件
  ├── AutoRefreshingProfileCredentialsProvider ← 自动刷新的 Profile 凭证
  └── LakeFormationCredentialsProviderFactory ← LakeFormation 凭证

GlueClientFactory (接口)
  └── AWSGlueClientFactory.newClient()
       → 使用上述凭证工厂创建 software.amazon.awssdk.services.glue.GlueClient

StsClientFactory (接口)
  └── AWSStsClientFactory  ← 用于跨账号访问时的 STS AssumeRole

LakeFormationClientFactory (接口)
  └── AWSLakeFormationClientFactory  ← 创建 LakeFormation 客户端

多 Catalog 支持

AWSGlueMultipleCatalogDecorator 继承 AWSGlueDecoratorBase，装饰 GlueClient：

java 复制代码 
public class AWSGlueMultipleCatalogDecorator extends AWSGlueDecoratorBase {
    private final Map<String, AwsCredentialsProvider> catalogsCredentialsProviders;
    private final String catalogSeparator;
    private final AWSCredentialsProviderFactory credentialsProviderFactory;

    // 每个 Glue API 调用都会经过 configureRequest() 处理
    // 根据 database 名称中的 catalog 分隔符，路由到不同的 Catalog
    // 并使用对应 Catalog 的凭证
}

因此该库支持通过数据库名称中的分隔符访问不同 AWS 账号的 Glue Catalog。

实际集群配置

Spark hive-site.xml (/etc/spark/conf/hive-site.xml)：

xml 复制代码 
<property>
    <name>hive.metastore.client.factory.class</name>
    <value>com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory</value>
</property>
<property>
    <name>hive.metastore.uris</name>
    <value>thrift://ip-192-168-23-52.cn-north-1.compute.internal:9083</value>
</property>

Spark spark-defaults.conf：

复制代码 
spark.driver.extraClassPath    ...:/usr/share/aws/hmclient/lib/aws-glue-datacatalog-spark-client.jar:...
spark.executor.extraClassPath  ...:/usr/share/aws/hmclient/lib/aws-glue-datacatalog-spark-client.jar:...
spark.sql.hive.metastore.sharedPrefixes  software.amazon.awssdk.services.dynamodb,com.amazon.ws.emr.hadoop.fs

数据流路径

复制代码 
Spark SQL 查询
  → Spark 内置 HiveExternalCatalog
    → 加载 spark-client.jar 中的 AWSGlueDataCatalogHiveClientFactory
      → 创建 AWSCatalogMetastoreClient (Spark 版本)
        → GlueMetastoreClientDelegate
          → AWS SDK v2 GlueClient → Glue Data Catalog API

Hive CLI / HiveServer2 查询
  → HiveMetaStore 进程 (thrift://...:9083)
    → 加载 hive3-client.jar（通过 auxlib 软链接）
      → 创建 AWSCatalogMetastoreClient (Hive3 版本)
        → GlueMetastoreClientDelegate
          → AWS SDK v2 GlueClient → Glue Data Catalog API

注意：Metastore Thrift 服务是否运行取决于配置方式，详见下方"两种配置模式"。

两种配置模式对比

基于集群 仅配 spark-hive-site和 同时配 hive-site + spark-hive-site的实际验证：

仅配置 spark-hive-site

json 复制代码 
{
  "Classification": "spark-hive-site",
  "Properties": {
    "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"
  }
}
项目 状态
Hive Metastore Thrift 服务 运行中，监听 9083
Metastore 后端 MySQL (jdbc:mysql://...:3306/hive)
Hive CLI / HiveServer2 通过 Thrift → Metastore → MySQL
Spark SQL 直连 Glue API（通过 spark-client.jar）

数据流：

复制代码 
Hive CLI → Thrift(:9083) → Metastore → MySQL(:3306)
Spark SQL → AWSGlueDataCatalogHiveClientFactory → Glue API

同时配置 hive-site + spark-hive-site

json 复制代码 
[
  {
    "Classification": "hive-site",
    "Properties": {
      "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"
    }
  },
  {
    "Classification": "spark-hive-site",
    "Properties": {
      "hive.metastore.client.factory.class": "com.amazonaws.glue.catalog.metastore.AWSGlueDataCatalogHiveClientFactory"
    }
  }
]
项目 状态
Hive Metastore Thrift 服务 不运行，9083 未监听
MySQL 连接 无
Hive CLI / HiveServer2 直连 Glue API（通过 hive3-client.jar）
Spark SQL 直连 Glue API（通过 spark-client.jar）

数据流：

复制代码 
Hive CLI → AWSGlueDataCatalogHiveClientFactory → Glue API
Spark SQL → AWSGlueDataCatalogHiveClientFactory → Glue API

EMR 在检测到 hive-site 中配置了 Glue factory 后，不再启动 Metastore Thrift 服务，所有组件直连 Glue，减少一跳延迟。

CloudTrail 审计分析

基于集群上执行 DROP TABLE + CREATE TABLE + INSERT + SELECT 的 CloudTrail 记录。

Hive SQL 到 Glue API 的映射

Hive SQL 操作 触发的 Glue API 调用
Hive CLI 启动 GetDatabase(default) + GetUserDefinedFunctions(pattern=.*)
ALTER DATABASE <databasename> SET LOCATION 's3://...' GetDatabase(<databasename>) → UpdateDatabase(<databasename>, locationUri=s3://...)
DROP TABLE IF EXISTS <databasename>.glue_test_table GetTable → GetPartitions(segment N/5) → DeleteTable
CREATE TABLE <databasename>.glue_test_table (...) GetDatabase(<databasename>) → GetTable(检查不存在) → CreateTable
INSERT INTO <databasename>.glue_test_table VALUES (...) GetTable ×多次（编译+执行阶段）
SELECT * FROM <databasename>.glue_test_table GetTable + GetPartitions

CloudTrail 事件时间线

复制代码 
15:03:43  GetUserDefinedFunctions  pattern=.*           # Hive CLI 启动
15:03:44  GetDatabase              default               # 初始化
15:03:44  UpdateDatabase           <databasename> → s3://user-tmp/<databasename>/  # ALTER DB
15:04:07  GetTable                 <databasename>.glue_test_table  # DROP 前检查
15:04:08  GetPartitions            segment 4/5            # 并行获取分区（5段）
15:04:08  DeleteTable              <databasename>.glue_test_table  # 删除表
15:04:09  GetTable                 → EntityNotFoundException  # 确认已删除
15:04:09  GetDatabase              <databasename>                  # CREATE 前获取DB
15:04:10  GetTable ×多次           <databasename>.glue_test_table  # INSERT 编译+执行
15:04:12  GetTable                 <databasename>.glue_test_table  # SELECT
15:04:25  GetDatabases             catalogId               # 结束

关键观察

  1. API 调用量 ：一个简单的 DROP + CREATE + INSERT + SELECT 产生约 40+ 次 Glue API 调用
  2. GetTable 最频繁：Hive 在每个 DDL/DML 阶段都会反复获取表元数据
  3. 并行分区获取 ：GetPartitions 使用 segment/totalSegments 参数并行获取（默认 5 段），验证了 GlueMetastoreClientDelegate 中的并行机制
  4. CreateTable 请求参数：包含完整表定义 --- 列信息、StorageDescriptor、SerDe、InputFormat/OutputFormat、统计信息
  5. LakeFormation 集成 ：每个事件都包含 lakeFormationPrincipal 和 insufficientLakeFormationPermissions 字段
  6. 传输安全 ：所有调用通过 TLSv1.3 加密，endpoint 为 glue.cn-north-1.amazonaws.com.cn
  7. 身份 ：使用 EC2 Instance Profile（EMR_EC2_DefaultRole）通过 STS AssumeRole 获取临时凭证

CloudTrail 事件结构示例（CreateTable）如下

json 复制代码 
{
  "eventName": "CreateTable",
  "eventSource": "glue.amazonaws.com",
  "sourceIPAddress": "xx.xx.xx.118",
  "userAgent": "ugi=hadoop aws-sdk-java/2.35.5 ... api/Glue#2.35.x",
  "requestParameters": {
    "catalogId": "<accountID>",
    "databaseName": "<databasename>",
    "tableInput": {
      "name": "glue_test_table",
      "owner": "hadoop",
      "storageDescriptor": {
        "columns": [
          {"name": "id", "type": "int"},
          {"name": "name", "type": "string"},
          {"name": "created_at", "type": "timestamp"}
        ],
        "location": "s3://user-tmp/<databasename>/glue_test_table",
        "inputFormat": "org.apache.hadoop.hive.ql.io.parquet.MapredParquetInputFormat",
        "outputFormat": "org.apache.hadoop.hive.ql.io.parquet.MapredParquetOutputFormat",
        "serdeInfo": {
          "serializationLibrary": "org.apache.hadoop.hive.ql.io.parquet.serde.ParquetHiveSerDe"
        }
      },
      "tableType": "MANAGED_TABLE"
    }
  },
  "resources": [
    {"type": "AWS::Glue::Catalog", "ARN": "arn:aws-cn:glue:cn-north-1:<accountID>:catalog"},
    {"type": "AWS::Glue::Database", "ARN": "arn:aws-cn:glue:cn-north-1:<accountID>:database/<databasename>"},
    {"type": "AWS::Glue::Table", "ARN": "arn:aws-cn:glue:cn-north-1:<accountID>:table/<databasename>/glue_test_table"}
  ]
}

注意事项

  • Glue Data Catalog 中的数据库必须设置 locationUri，否则 CREATE TABLE 会报错：location is not defined for database
  • 使用 ALTER DATABASE db SET LOCATION 's3://bucket/path/' 设置（注意不是 SET DBPROPERTIES）
  • CloudTrail 默认记录 Glue 管理事件，无需额外开启
相关推荐
亚马逊云开发者3 小时前
我用 Lambda Durable Functions 把五个 Lambda 缩成了一个，代码量砍半
aws
bukeyiwanshui3 小时前
Hive的使用
数据仓库·hive·hadoop
亚马逊云开发者5 小时前
异构 GPU 混合部署 Whisper，我用 HyperPod 一个集群搞定了
aws
亚马逊云开发者18 小时前
模型搜完网页就"脑算"数字？用 Dynamic Filtering 让它老老实实写代码
aws
亚马逊云开发者20 小时前
老板让我迁 Graviton，我用 AI 工具几分钟搞定了迁移评估
aws
亚马逊云开发者21 小时前
用 Kiro CLI 做 Agent 后端，1000 行代码搞定飞书 AI 聊天机器人
aws
添柴少年yyds1 天前
hive锁机制
数据仓库·hive·hadoop
147API1 天前
从零开始上手 AWS：架构设计、成本优化与避坑指南
云计算·claude·aws
zhojiew1 天前
[INFRA] EMR集群安全配置传输中加密和Kerberos认证配置详解
安全·aws·emr·bigdata
热门推荐
01GitHub 镜像站点02Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南03围棋-html版本04班级宠物园部署指南05小黑课堂计算机二级WPSoffice题库软件下载安装教程（2026年3月最新版）06OpenClaw 使用和管理 MCP 完全指南07UV安装并设置国内源082026年3月AI领域大事件：DeepSeek引领开源风暴09“wsl --install -d Ubuntu-22.04”下载慢，中国地区离线安装 Ubuntu 22.04 WSL方法（亲测2025年5月6日）10机器学习深度学习二——GAN网络