使用MRS Spark SQL访问DWS

华为云提供MapReduce服务（MRS），可在云上快速构建和运营全栈云原生大数据平台。它包含HDFS、Hive、HBase、Spark等大数据组件，专为分析海量企业数据而量身定制。

Spark提供了类似SQL的Spark SQL语言，用于对结构化数据进行操作。使用Spark SQL，可以访问不同的数据库，用户可以从这些数据库中提取数据，处理并加载到不同的数据存储中。

本实践演示如何使用MRS Spark SQL访问GaussDB (DWS)数据。

本章节仅适用于MRS 3.x及之后版本。

前提条件

创建MRS集群，包含Spark组件。
如果MRS集群开启了Kerberos认证，登录FusionInsight Manager页面，选择“系统 > 权限 > 用户”，添加一个人机用户sparkuser，用户组（hadoop、hive），主组（hadoop）。并参考添加Spark2x的Ranger访问权限策略章节，添加“ADD JAR操作”权限。如果MRS集群未开启Kerberos认证，则无需创建用户。
安装MRS集群客户端，具体请参考安装客户端。
创建GaussDB(DWS)集群，为确保网络连通，GaussDB (DWS)集群需与MRS集群“可用区”、“虚拟私有云”、“安全组”配置相同。
已获取连接GaussDB (DWS)数据库的IP地址、端口、数据库名称、用户名和密码。此外，操作用户必须具有GaussDB (DWS)表的读写权限。

操作步骤

准备数据，在GaussDB(DWS)集群中创建数据库和表：
1. 登录GaussDB(DWS)管理控制台，单击DWS集群“操作”列的“登录”。
2. 登录现有GaussDB(DWS)集群的默认数据库gaussdb，执行以下命令，创建数据库“dws_test”。
  CREATE DATABASE dws_test;
3. 连接到创建的新数据库，执行以下命令，创建表“dws_order”。
  CREATE SCHEMA dws_data;
  
  CREATE TABLE dws_data.dws_order
  
  ( order_id VARCHAR,
  
  order_channel VARCHAR,
  
  order_time VARCHAR,
  
  cust_code VARCHAR,
  
  pay_amount DOUBLE PRECISION,
  
  real_pay DOUBLE PRECISION );
4. 执行以下命令插入数据到表“dws_order”中。
  INSERT INTO dws_data.dws_order VALUES ('202306270001', 'webShop', '2023-06-27 10:00:00', 'CUST1', 1000, 1000);
  
  INSERT INTO dws_data.dws_order VALUES ('202306270002', 'webShop', '2023-06-27 11:00:00', 'CUST2', 5000, 5000);
5. 查询表数据，验证数据是否插入。
  SELECT * FROM dws_data.dws_order;
下载GaussDB (DWS)数据库JDBC驱动并上传到MRS集群。
1. 登录GaussDB (DWS)管理控制台，单击左侧的“连接管理”，下载JDBC驱动，如下图所示：
2. 解压，获取“gsjdbc200.jar”文件，并上传到MRS集群主Master节点，例如上传到“/tmp”目录下。
3. 使用root用户登录MRS集群主Master节点，执行如下命令：
  cd {客户端安装目录}
  
  source bigdata_env
  
  kinit sparkuser （首次认证需要修改密码，未开启Kerberos认证，则无需执行kinit命令。）
  
  hdfs dfs -put /tmp/gsjdbc200.jar /tmp
在MRS Spark中创建数据源表，并访问DWS表：
1. 登录Spark客户端节点，执行如下命令：
  cd 客户端安装目录
  
  source ./bigdata_env
  
  kinit sparkuser
  
  spark-sql --master yarn
2. 执行如下命令，添加驱动程序jar：
  add jar hdfs://hacluster/tmp/gsjdbc200.jar;
3. 执行如下命令，在Spark中创建数据源表，访问DWS数据：
  CREATE TABLE IF NOT EXISTS spk_dws_order
  
  USING JDBC OPTIONS (
  
  'url'='jdbc:gaussdb://192.168.0.228:8000/dws_test',
  
  'driver'='com.huawei.gauss200.jdbc.Driver',
  
  'dbtable'='dws_data.dws_order',
  
  'user'='dbadmin',
  
  'password'='xxx');
4. 查询Spark表，验证显示的数据是否与DWS数据相同：
  SELECT * FROM spk_dws_order;
  
  可以验证返回的数据与1中所示的数据相同。