使用MRS Hive表对接OBS文件系统

应用场景

MRS支持用户将数据存储在OBS服务中，使用MRS集群仅作数据计算处理的存算分离场景。

用户通过IAM服务的“委托”机制进行简单配置，即可实现OBS的访问。

方案架构

Hive是建立在Hadoop上的数据仓库框架，提供大数据平台批处理计算能力，能够对结构化/半结构化数据进行批量分析汇总完成数据计算。提供类似SQL的Hive Query Language语言操作结构化数据，其基本原理是将HQL语言自动转换成MapReduce任务，从而完成对Hadoop集群中存储的海量数据进行查询和分析。

Hive主要特点如下：

• 海量结构化数据分析汇总。
• 将复杂的MapReduce编写任务简化为SQL语句。
• 灵活的数据存储格式，支持JSON、CSV、TEXTFILE、RCFILE、SEQUENCEFILE、ORC等存储格式。

Hive作为一个基于HDFS和MapReduce架构的数据仓库，其主要能力是通过对HQL（Hive Query Language）编译和解析，生成并执行相应的MapReduce任务或者HDFS操作。

图1 Hive结构

• Metastore：对表，列和Partition等的元数据进行读写及更新操作，其下层为关系型数据库。
• Driver：管理HQL执行的生命周期并贯穿Hive任务整个执行期间。
• Compiler：编译HQL并将其转化为一系列相互依赖的Map/Reduce任务。
• Optimizer：优化器，分为逻辑优化器和物理优化器，分别对HQL生成的执行计划和MapReduce任务进行优化。
• Executor：按照任务的依赖关系分别执行Map/Reduce任务。
• ThriftServer：提供thrift接口，作为JDBC的服务端，并将Hive和其他应用程序集成起来。
• Clients：包含WebUI和JDBC接口，为用户访问提供接口。

方案优势

MRS支持在大数据存储容量大、计算资源需要弹性扩展的场景下，用户将数据存储在OBS服务中，使用MRS集群仅作数据计算处理的存算分离模式，从而实现按需灵活扩展资源、低成本的海量数据分析方案。

约束与限制

大数据存算分离场景，请务必使用OBS并行文件系统，使用普通对象桶会对集群性能产生较大影响。

操作流程

本章节指导用户创建Hive表存放数据到OBS，基本流程如下所示：

1. 步骤一：创建ECS委托
2. 步骤二：为MRS集群配置委托
3. 步骤三：创建OBS文件系统
4. 步骤四：Hive访问OBS文件系统

步骤一：创建ECS委托

1. 登录华为云管理控制台。
2. 在服务列表中选择“管理与监管 > 统一身份认证服务”。
3. 选择“委托 > 创建委托”。
4. 设置“委托名称”。例如：mrs_ecs_obs。
5. “委托类型”选择“云服务”，在“云服务”中选择“ECS BMS”，授权ECS或BMS调用OBS服务，如图2所示。
6. “持续时间”选择“永久”并单击“下一步”。
   图2 创建委托
   
7. 在弹出页面中搜索框内搜索“OBS OperateAccess”策略，勾选“OBS OperateAccess”策略如图3所示。
   图3 配置权限
   
8. 单击“下一步”，选择权限范围方案，默认选择“所有资源”，单击“展开其他方案”，选择“全局服务资源”，单击“确定”。
9. 在弹出的提示框中单击“知道了”，开始授权。界面提示“授权成功。”，单击“完成”，委托成功创建。

步骤二：为MRS集群配置委托

配置存算分离支持在新建集群中配置委托实现，也可以通过为已有集群绑定委托实现。本示例以为已有集群配置委托为例介绍。

1. 登录MRS控制台，在导航栏选择“现有集群”。
2. 单击集群名称，进入集群详情页面。
3. 在集群详情页的“概览”页签，单击“IAM用户同步”右侧的“单击同步”进行IAM用户同步。
4. 在集群详情页的“概览”页签，单击“委托”右侧的“管理委托”选择步骤一：创建ECS委托的委托并单击“确定”进行绑定，或单击“新建委托”进入IAM控制台进行创建后再在此处进行绑定。
   图4 绑定委托
   

步骤三：创建OBS文件系统

1. 登录OBS控制台。
2. 选择“并行文件系统 > 创建并行文件系统”。
3. 填写文件系统名称，例如“mrs-demo01”。

   其他参数请根据需要填写。

   图5 创建并行文件系统
   
4. 单击“立即创建”。
5. 在OBS控制台并行文件系统列表中，单击文件系统名称进入详情页面。
6. 在左侧导航栏选择“文件”，新建program、input文件夹。
   • program：请上传程序包到该文件夹。
   • input：请上传输入数据到该文件夹。

步骤四：Hive访问OBS文件系统

1. 用root用户登录集群Master节点，具体请参见登录集群节点。
2. 验证Hive访问OBS。
   1. 用root用户登录集群Master节点，执行如下命令：

      cd /opt/Bigdata/client

      source bigdata_env

      source Hive/component_env

   2. 查看文件系统mrs-demo01下面的文件列表。

      hadoop fs -ls obs://mrs-demo01/

   3. 返回文件列表即表示访问OBS成功。
      图6 查看mrs-demo01下的文件列表
      
   4. 执行以下命令进行用户认证（普通模式即未开启Kerberos认证无需执行此步骤）。

      kinit hive

      输入用户hive密码，默认密码为Hive@123，第一次使用需要修改密码。

   5. 执行Hive组件的客户端命令。

      beeline

   6. 在beeline中直接使用OBS的目录进行访问。例如，执行如下命令创建Hive表并指定数据存储在mrs-demo01文件系统的test_demo01目录中。

      create table test_demo01(name string) location "obs://mrs-demo01/test_demo01";

   7. 执行如下命令查询所有表，返回结果中存在表test_demo01，即表示访问OBS成功。

      show tables;

      图7 查看是否存在表test_demo01
      
   8. 查看表的Location。

      show create table test_demo01;

      查看表的Location是否为“obs://OBS桶名/”开头。

      图8 查看表test_demo01的Location
      
   9. 写入数据。

      insert into test_demo01 values('mm'),('ww'),('ww');

      执行select * from test_demo01;查询是否写入成功。

      图9 查看表test_demo01中的数据
      
   10. 执行命令!q退出beeline客户端。
   11. 重新登录OBS控制台。
   12. 单击“并行文件系统”， 选择创建的文件系统名称。
   13. 单击“文件”，查看是否存在创建的数据。
       图10 查看数据