更新时间：2024-03-06 GMT+08:00
教程：查看或导入MRS的hive数据
本教程通过建立HDFS外表实现GaussDB(DWS)远端访问或读取MRS数据源。
视频介绍
准备环境
已创建DWS集群，需确保MRS和DWS集群在同一个区域、可用区、同一VPC子网内，确保集群网络互通。
基本流程
本实践预计时长：1小时，基本流程如下：
- 创建MRS分析集群（选择Hive、Spark、Tez组件）。
- 通过将本地txt数据文件上传至OBS桶，再通过OBS桶导入Hive，并由txt存储表导入ORC存储表。
- 创建MRS数据源连接。
- 创建外部服务器。
- 创建外表。
- 通过外表导入DWS本地表。
创建MRS分析集群
- 登录华为云控制台，选择“大数据 > MapReduce服务”，单击“购买集群”，选择“自定义购买”，填写软件配置参数，单击“下一步”。
表1 软件配置 参数项
取值
区域
华北-北京四
集群名称
mrs_01
版本类型
普通版
集群版本
MRS 1.9.2（主推）
说明：- 8.1.1.300及以上版本集群，MRS集群支持连接1.6.*、1.7.*、1.8.*、1.9.*、2.0.*、3.0.*、3.1.*及以上版本（“*”代表的是数字）。
- 8.1.1.300以下版本集群，MRS集群支持连接1.6.*、1.7.*、1.8.*、1.9.*、2.0.*版本（“*”代表的是数字）。
集群类型
分析集群
元数据
本地元数据
- 填写硬件配置参数，单击“下一步”。
表2 硬件配置 参数项
取值
计费模式
按需计费
可用区
可用区2
虚拟私有云
vpc-01
子网
subnet-01
安全组
自动创建
弹性公网IP
10.x.x.x
企业项目
default
Master节点
2
分析Core节点
3
分析Task节点
0
- 填写高级配置参数，单击“立即购买”，等待约15分钟，集群创建成功。
表3 高级配置 参数项
取值
标签
test01
主机名前缀
可不填写，用作集群中ECS机器或BMS机器主机名的前缀。
弹性伸缩
保持默认即可
引导操作
保持默认即可，MRS 3.x版本暂时不支持该参数。
委托
保持默认即可
数据盘加密
默认关闭，保持默认即可。
告警
保持默认即可
规则名称
保持默认即可
主题名称
选择相应的主题
Kerberos认证
默认打开
用户名
admin
密码
设置密码，该密码用于登录集群管理页面。
确认密码
再次输入设置admin用户密码
登录方式
密码
用户名
root
密码
设置密码，该密码用于远程登录ECS机器。
确认密码
再次输入设置的root用户密码
通信安全授权
勾选“确认授权”
准备MRS的ORC表数据源
- 本地PC新建一个product_info.txt，并拷贝以下数据，保存到本地。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
100,XHDK-A-1293-#fJ3,2017-09-01,A,2017 Autumn New Shirt Women,red,M,328,2017-09-04,715,good 205,KDKE-B-9947-#kL5,2017-09-01,A,2017 Autumn New Knitwear Women,pink,L,584,2017-09-05,406,very good! 300,JODL-X-1937-#pV7,2017-09-01,A,2017 autumn new T-shirt men,red,XL,1245,2017-09-03,502,Bad. 310,QQPX-R-3956-#aD8,2017-09-02,B,2017 autumn new jacket women,red,L,411,2017-09-05,436,It's really super nice 150,ABEF-C-1820-#mC6,2017-09-03,B,2017 Autumn New Jeans Women,blue,M,1223,2017-09-06,1200,The seller's packaging is exquisite 200,BCQP-E-2365-#qE4,2017-09-04,B,2017 autumn new casual pants men,black,L,997,2017-09-10,301,The clothes are of good quality. 250,EABE-D-1476-#oB1,2017-09-10,A,2017 autumn new dress women,black,S,841,2017-09-15,299,Follow the store for a long time. 108,CDXK-F-1527-#pL2,2017-09-11,A,2017 autumn new dress women,red,M,85,2017-09-14,22,It's really amazing to buy 450,MMCE-H-4728-#nP9,2017-09-11,A,2017 autumn new jacket women,white,M,114,2017-09-14,22,Open the package and the clothes have no odor 260,OCDA-G-2817-#bD3,2017-09-12,B,2017 autumn new woolen coat women,red,L,2004,2017-09-15,826,Very favorite clothes 980,ZKDS-J-5490-#cW4,2017-09-13,B,2017 Autumn New Women's Cotton Clothing,red,M,112,2017-09-16,219,The clothes are small 98,FKQB-I-2564-#dA5,2017-09-15,B,2017 autumn new shoes men,green,M,4345,2017-09-18,5473,The clothes are thick and it's better this winter. 150,DMQY-K-6579-#eS6,2017-09-21,A,2017 autumn new underwear men,yellow,37,2840,2017-09-25,5831,This price is very cost effective 200,GKLW-l-2897-#wQ7,2017-09-22,A,2017 Autumn New Jeans Men,blue,39,5879,2017-09-25,7200,The clothes are very comfortable to wear 300,HWEC-L-2531-#xP8,2017-09-23,A,2017 autumn new shoes women,brown,M,403,2017-09-26,607,good 100,IQPD-M-3214-#yQ1,2017-09-24,B,2017 Autumn New Wide Leg Pants Women,black,M,3045,2017-09-27,5021,very good. 350,LPEC-N-4572-#zX2,2017-09-25,B,2017 Autumn New Underwear Women,red,M,239,2017-09-28,407,The seller's service is very good 110,NQAB-O-3768-#sM3,2017-09-26,B,2017 autumn new underwear women,red,S,6089,2017-09-29,7021,The color is very good 210,HWNB-P-7879-#tN4,2017-09-27,B,2017 autumn new underwear women,red,L,3201,2017-09-30,4059,I like it very much and the quality is good. 230,JKHU-Q-8865-#uO5,2017-09-29,C,2017 Autumn New Clothes with Chiffon Shirt,black,M,2056,2017-10-02,3842,very good
- 登录OBS控制台，单击“创建桶”，填写以下参数，单击“立即创建”。
表4 桶参数 参数项
取值
区域
华北-北京四
数据冗余存储策略
单AZ存储
桶名称
mrs-datasource
默认存储类别
标准存储
桶策略
私有
默认加密
关闭
归档数据直读
关闭
企业项目
default
标签
-
- 等待桶创建好，单击桶名称，选择“对象 > 上传对象”，将product_info.txt上传至OBS桶。
- 切换回MRS控制台，单击创建好的MRS集群名称，进入“概览”，单击“IAM用户同步”所在行的“同步”，等待约5分钟同步完成。
- 单击“节点管理”，单击任意一台master节点，进入该节点页面，切换到“弹性公网IP”，单击“绑定弹性公网IP”，勾选已有弹性IP并单击“确定”，如果没有，请创建。记录此公网IP。
- 下载客户端。
- 回到MRS集群页面，单击集群名称进入“概览”，单击“前往Manager”，如果提示绑定公网IP，请先绑定公网IP。
- 如果弹出访问MRS Manager对话框，单击“确定”，页面会跳转到MRS登录页面。输入MRS Manager的用户名admin和密码，密码为创建MRS集群时输入的admin密码。
- 选择“集群 > 待操作集群的名称 > 概览 > 更多 > 下载客户端”。界面显示“下载集群客户端”对话框。
历史版本的客户端获取方法：请选择“服务管理 > 下载客户端”，“客户端类型”选择“仅配置文件”。
- 确认主master节点。
- 使用root用户登录主master节点，并更新主管理节点的客户端配置。
cd /opt/client
sh refreshConfig.sh /opt/client 客户端配置文件压缩包完整路径
本例命令为：
sh refreshConfig.sh /opt/client /tmp/MRS-client/MRS_Services_Client.tar
- 切换到omm用户，并进入Hive客户端所在目录。
su - omm
cd /opt/client
- 在Hive上创建存储类型为TEXTFILE的表product_info。
- 在/opt/client路径下，导入环境变量。
- 登录Hive客户端。
- 依次执行以下SQL语句创建demo数据库及表product_info。
1CREATE DATABASE demo;
1USE demo;
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
DROP TABLE product_info; CREATE TABLE product_info ( product_price int , product_id char(30) , product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt int , product_comment_time date , product_comment_num int , product_comment_content varchar(200) ) row format delimited fields terminated by ',' stored as TEXTFILE;
- 将product_info.txt数据文件导入Hive。
- 切回到MRS集群，单击“文件管理”，单击“导入数据”。
- OBS路径：选择上面创建好的OBS桶名，找到product_info.txt文件，单击“是”。
- HDFS路径：选择/user/hive/warehouse/demo.db/product_info/，单击“是”。
- 单击“确定”，等待导入成功，此时product_info的表数据已导入成功。
- 创建ORC表，并将数据导入ORC表。
- 执行以下SQL语句创建ORC表。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
DROP TABLE product_info_orc; CREATE TABLE product_info_orc ( product_price int , product_id char(30) , product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt int , product_comment_time date , product_comment_num int , product_comment_content varchar(200) ) row format delimited fields terminated by ',' stored as orc;
- 将product_info表的数据插入到Hive ORC表product_info_orc中。
1insert into product_info_orc select * from product_info;
- 查询ORC表数据导入成功。
1select * from product_info_orc;
- 执行以下SQL语句创建ORC表。
创建MRS数据源连接
- 登录DWS管理控制台，单击已创建好的DWS集群，确保DWS集群与MRS在同一个区域、可用分区，并且在同一VPC子网下。
- 切换到“MRS数据源”，单击“创建MRS数据源连接”。
- 选择前序步骤创建名为的“mrs_01”数据源，用户名：admin，密码：用户自定义，单击“确定”，创建成功。
创建外部服务器
- 使用Data Studio连接已创建好的DWS集群。
- 新建一个具有创建数据库权限的用户dbuser：
1CREATE USER dbuser WITH CREATEDB PASSWORD 'password';
- 切换为新建的dbuser用户：
1SET ROLE dbuser PASSWORD 'password';
- 创建新的mydatabase数据库：
1CREATE DATABASE mydatabase;
- 执行以下步骤切换为连接新建的mydatabase数据库。
- 在Data Studio客户端的“对象浏览器”窗口，右键单击数据库连接名称，在弹出菜单中单击“刷新”，刷新后就可以看到新建的数据库。
- 右键单击“mydatabase”数据库名称，在弹出菜单中单击“打开连接”。
- 右键单击“mydatabase”数据库名称，在弹出菜单中单击“打开新的终端”，即可打开连接到指定数据库的SQL命令窗口，后面的步骤，请全部在该命令窗口中执行。
- 为dbuser用户授予创建外部服务器的权限，8.1.1及以后版本，还需要授予使用public模式的权限：
1 2
GRANT ALL ON FOREIGN DATA WRAPPER hdfs_fdw TO dbuser; GRANT ALL ON SCHEMA public TO dbuser; //8.1.1及以后版本，普通用户对public模式无权限，需要赋权，8.1.1之前版本不需要执行。
其中FOREIGN DATA WRAPPER的名字只能是hdfs_fdw，dbuser为创建SERVER的用户名。
- 执行以下命令赋予用户使用外表的权限。
1ALTER USER dbuser USEFT;
- 切换回Postgres系统数据库，查询创建MRS数据源后系统自动创建的外部服务器。
1SELECT * FROM pg_foreign_server;
返回结果如：
1 2 3 4 5 6
srvname | srvowner | srvfdw | srvtype | srvversion | srvacl | srvoptions --------------------------------------------------+----------+--------+---------+------------+--------+--------------------------------------------------------------------------------------------------------------------- gsmpp_server | 10 | 13673 | | | | gsmpp_errorinfo_server | 10 | 13678 | | | | hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca | 16476 | 13685 | | | | {"address=192.168.1.245:9820,192.168.1.218:9820",hdfscfgpath=/MRS/8f79ada0-d998-4026-9020-80d6de2692ca,type=hdfs} (3 rows)
- 切换到mydatabase数据库，并切换到dbuser用户。
1SET ROLE dbuser PASSWORD 'password';
- 创建外部服务器。
SERVER名字、地址、配置路径保持与8一致即可。
1 2 3 4 5 6 7
CREATE SERVER hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca FOREIGN DATA WRAPPER HDFS_FDW OPTIONS ( address '192.168.1.245:9820,192.168.1.218:9820', //MRS管理面的Master主备节点的内网IP，可与DWS通讯。 hdfscfgpath '/MRS/8f79ada0-d998-4026-9020-80d6de2692ca', type 'hdfs' );
- 查看外部服务器。
1SELECT * FROM pg_foreign_server WHERE srvname='hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca';
返回结果如下所示，表示已经创建成功：
1 2 3 4
srvname | srvowner | srvfdw | srvtype | srvversion | srvacl | srvoptions --------------------------------------------------+----------+--------+---------+------------+--------+--------------------------------------------------------------------------------------------------------------------- hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca | 16476 | 13685 | | | | {"address=192.168.1.245:9820,192.168.1.218:9820",hdfscfgpath=/MRS/8f79ada0-d998-4026-9020-80d6de2692ca,type=hdfs} (1 row)
创建外表
- 获取Hive的product_info_orc的文件路径。
- 登录MRS管理控制台。
- 选择“集群列表 > 现有集群”，单击要查看的集群名称，进入集群基本信息页面。
- 单击“文件管理”，选择“HDFS文件列表”。
- 进入您要导入到GaussDB(DWS)集群的数据的存储目录，并记录其路径。
图1 在MRS上查看数据存储路径
- 创建外表。 SERVER名字填写10创建的外部服务器名称，foldername填写1查到的路径。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22
DROP FOREIGN TABLE IF EXISTS foreign_product_info; CREATE FOREIGN TABLE foreign_product_info ( product_price integer , product_id char(30) , product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt integer , product_comment_time date , product_comment_num integer , product_comment_content varchar(200) ) SERVER hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca OPTIONS ( format 'orc', encoding 'utf8', foldername '/user/hive/warehouse/demo.db/product_info_orc/' ) DISTRIBUTE BY ROUNDROBIN;
执行数据导入
- 创建本地目标表。
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
DROP TABLE IF EXISTS product_info; CREATE TABLE product_info ( product_price integer , product_id char(30) , product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt integer , product_comment_time date , product_comment_num integer , product_comment_content varchar(200) ) with ( orientation = column, compression=middle ) DISTRIBUTE BY HASH (product_id);
- 从外表导入目标表。
1INSERT INTO product_info SELECT * FROM foreign_product_info;
- 查询导入结果。
1SELECT * FROM product_info;
父主题： 导入导出
