网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
计算
弹性云服务器 ECS
Flexus云服务
裸金属服务器 BMS
云手机服务器 CPH
专属主机 DeH
弹性伸缩 AS
镜像服务 IMS
函数工作流 FunctionGraph
云耀云服务器(旧版)
VR云渲游平台 CVR
Huawei Cloud EulerOS
网络
虚拟私有云 VPC
弹性公网IP EIP
弹性负载均衡 ELB
NAT网关 NAT
云专线 DC
虚拟专用网络 VPN
云连接 CC
VPC终端节点 VPCEP
企业路由器 ER
企业交换机 ESW
全球加速 GA
企业连接 EC
云原生应用网络服务
CDN与智能边缘
内容分发网络 CDN
智能边缘云 IEC
智能边缘平台 IEF
CloudPond云服务
安全与合规
安全技术与应用
Web应用防火墙 WAF
企业主机安全 HSS
云防火墙 CFW
安全云脑 SecMaster
DDoS防护 AAD
数据加密服务 DEW
数据库安全服务 DBSS
云堡垒机 CBH
数据安全中心 DSC
云证书管理服务 CCM
威胁检测服务 MTD
态势感知 SA
认证测试中心 CTC
边缘安全 EdgeSec
大数据
MapReduce服务 MRS
数据湖探索 DLI
表格存储服务 CloudTable
可信智能计算服务 TICS
推荐系统 RES
云搜索服务 CSS
数据可视化 DLV
数据接入服务 DIS
数据仓库服务 GaussDB(DWS)
数据治理中心 DataArts Studio
湖仓构建 LakeFormation
智能数据洞察 DataArts Insight
应用中间件
微服务引擎 CSE
分布式消息服务Kafka版
分布式消息服务RabbitMQ版
分布式消息服务RocketMQ版
API网关 APIG
分布式缓存服务 DCS
多活高可用服务 MAS
事件网格 EG
开天aPaaS
应用平台 AppStage
开天企业工作台 MSSE
开天集成工作台 MSSI
API中心 API Hub
云消息服务 KooMessage
交换数据空间 EDS
云地图服务 KooMap
云手机服务 KooPhone
组织成员账号 OrgID
云空间服务 KooDrive
管理与监管
统一身份认证服务 IAM
消息通知服务 SMN
云监控服务 CES
应用运维管理 AOM
应用性能管理 APM
云日志服务 LTS
云审计服务 CTS
标签管理服务 TMS
配置审计 Config
应用身份管理服务 OneAccess
资源访问管理 RAM
组织 Organizations
资源编排服务 RFS
优化顾问 OA
IAM 身份中心
云运维中心 COC
资源治理中心 RGC
区块链
区块链服务 BCS
数字资产链 DAC
华为云区块链引擎服务 HBS
解决方案
高性能计算 HPC
SAP
混合云灾备
开天工业工作台 MIW
Haydn解决方案工厂
数字化诊断治理专家服务
价格
成本优化最佳实践
专属云商业逻辑
云生态
云商店
合作伙伴中心
华为云开发者学堂
华为云慧通差旅
其他
管理控制台
消息中心
产品价格详情
系统权限
客户关联华为云合作伙伴须知
公共问题
宽限期保留期
奖励推广计划
活动
云服务信任体系能力说明
开发与运维
软件开发生产线 CodeArts
需求管理 CodeArts Req
流水线 CodeArts Pipeline
代码检查 CodeArts Check
编译构建 CodeArts Build
部署 CodeArts Deploy
测试计划 CodeArts TestPlan
制品仓库 CodeArts Artifact
移动应用测试 MobileAPPTest
CodeArts IDE Online
开源镜像站 Mirrors
性能测试 CodeArts PerfTest
应用管理与运维平台 ServiceStage
云应用引擎 CAE
开源治理服务 CodeArts Governance
华为云Astro轻应用
CodeArts IDE
Astro工作流 AstroFlow
代码托管 CodeArts Repo
漏洞管理服务 CodeArts Inspector
联接 CodeArtsLink
软件建模 CodeArts Modeling
Astro企业应用 AstroPro
CodeArts 盘古助手
华为云Astro大屏应用
存储
对象存储服务 OBS
云硬盘 EVS
云备份 CBR
高性能弹性文件服务 SFS Turbo
弹性文件服务 SFS
存储容灾服务 SDRS
云硬盘备份 VBS
云服务器备份 CSBS
数据快递服务 DES
云存储网关 CSG
专属分布式存储服务 DSS
数据工坊 DWR
地图数据 MapDS
键值存储服务 KVS
容器
云容器引擎 CCE
云容器实例 CCI
容器镜像服务 SWR
云原生服务中心 OSC
应用服务网格 ASM
华为云UCS
数据库
云数据库 RDS
数据复制服务 DRS
文档数据库服务 DDS
分布式数据库中间件 DDM
云数据库 GaussDB
云数据库 GeminiDB
数据管理服务 DAS
数据库和应用迁移 UGO
云数据库 TaurusDB
人工智能
AI开发平台ModelArts
华为HiLens
图引擎服务 GES
图像识别 Image
文字识别 OCR
自然语言处理 NLP
内容审核 Moderation
图像搜索 ImageSearch
医疗智能体 EIHealth
企业级AI应用开发专业套件 ModelArts Pro
人脸识别服务 FRS
对话机器人服务 CBS
语音交互服务 SIS
人证核身服务 IVS
视频智能分析服务 VIAS
城市智能体
自动驾驶云服务 Octopus
盘古大模型 PanguLargeModels
IoT物联网
设备接入 IoTDA
IoT物联网
全球SIM联接 GSL
IoT数据分析 IoTA
路网数字化服务 DRIS
IoT边缘 IoTEdge
设备发放 IoTDP
企业应用
域名注册服务 Domains
云解析服务 DNS
企业门户 EWP
ICP备案
商标注册
华为云WeLink
华为云会议 Meeting
隐私保护通话 PrivateNumber
语音通话 VoiceCall
消息&短信 MSGSMS
云管理网络
SD-WAN 云服务
边缘数据中心管理 EDCM
云桌面 Workspace
应用与数据集成平台 ROMA Connect
ROMA资产中心 ROMA Exchange
API全生命周期管理 ROMA API
政企自服务管理 ESM
视频
实时音视频 SparkRTC
视频直播 Live
视频点播 VOD
媒体处理 MPC
视频接入服务 VIS
数字内容生产线 MetaStudio
迁移
主机迁移服务 SMS
对象存储迁移服务 OMS
云数据迁移 CDM
迁移中心 MGC
专属云
专属计算集群 DCC
开发者工具
SDK开发指南
API签名指南
DevStar
华为云命令行工具服务 KooCLI
Huawei Cloud Toolkit
CodeArts API
云化转型
云架构中心
云采用框架
用户服务
账号中心
费用中心
成本中心
资源中心
企业管理
工单管理
客户运营能力
国际站常见问题
支持计划
专业服务
合作伙伴支持计划
我的凭证
华为云公共事业服务云平台
工业软件
工业数字模型驱动引擎
硬件开发工具链平台云服务
工业数据转换引擎云服务
文档首页/ MapReduce服务 MRS/ 最佳实践/ 数据分析/ 实时OLAP数据分析/ 离线数据加载:通过Spark视图读取Hive外表数据并写入Doris

离线数据加载:通过Spark视图读取Hive外表数据并写入Doris

更新时间:2025-01-24 GMT+08:00
分享

应用场景

通过Spark视图读取Hive外表数据写入到Doris,并按照Unique指定字段自动去重。

方案架构

离线数据可以从数据湖加载,也可以直接加载本地文件。从数据湖加载可以使用工具CDM,在没有CDM工具时,可以直接使用外表加载、BrokerLoad的方式。本地文件加载则使用Doris自带的StreamLoad工具。

图1 离线数据加载

步骤1:创建MRS Hive集群并配置

  1. 创建MRS集群,详细操作请参考快速购买MRS集群。其中:

    • 集群名称:自定义,例如“mrs_test”
    • 版本类型:LTS版
    • 集群版本:MRS 3.3.0-LTS
    • 集群组件包含:Hive、Spark等。
    • Kerberos认证:开启
    • 其他参数根据实际需要进行配置。

  2. 集群购买完成后安装集群全量客户端,详细操作请参考安装客户端(3.x版本)

    例如客户端安装路径为“/opt/newclient”。

  3. 已存在Hive外表(数据格式仅限orc格式),如wxk.lineorder_orc02。且存在一定量数据。

    建表语句参考:

    CREATE TABLE wxk.`lineorder_orc02`(

    `lo_orderkey` bigint,

    `lo_linenumber` int,

    `lo_custkey` bigint,

    `lo_partkey` bigint,

    `lo_suppkey` bigint,

    `lo_orderdate` date,

    `lo_orderpriority` varchar(300),

    `lo_shippriority` int,

    `lo_quantity` int,

    `lo_extendedprice` bigint,

    `lo_ordtotalprice` bigint,

    `lo_discount` int,

    `lo_revenue` bigint,

    `lo_supplycost` int,

    `lo_tax` int,

    `lo_commitdate` date,

    `lo_shipmode` varchar(300))

    ROW FORMAT SERDE

    'org.apache.hadoop.hive.ql.io.orc.OrcSerde'

    STORED AS INPUTFORMAT

    'org.apache.hadoop.hive.ql.io.orc.OrcInputFormat'

    OUTPUTFORMAT

    'org.apache.hadoop.hive.ql.io.orc.OrcOutputFormat'

    LOCATION

    'obs://test-wxk/doristest'

    TBLPROPERTIES (

    'bucketing_version'='2',

    'orc.compress'='ZLIB',

    'transient_lastDdlTime'='1705923234') ;

    准备数据如下:

步骤2:创建MRS Doris集群并配置

  1. 创建MRS Doris集群,详细操作请参考快速购买MRS集群。其中:

    • 集群名称:自定义,例如“mrs_doris”
    • 版本类型:LTS版
    • 集群版本:MRS 3.3.0-LTS
    • 组件选择:Doris集群。
    • Kerberos认证:开启
    • 其他参数根据实际需要进行配置。

  2. 集群购买完成后安装集群客户端,详细操作请参考安装客户端(3.x版本)

    例如客户端安装路径为“/opt/dorisclient”。

  3. 在Doris集群安装MySQL客户端,详细操作请参考使用MySQL客户端连接Doris
  4. 创建拥有Doris管理权限的人机用户(例如用户名为dorisuser),并修改初始密码。

    1. 登录Doris集群Manager页面,详细操作请参考访问MRS集群Manager
    2. 选择“系统 > 权限 > 角色 > 添加角色”,填写角色名称,如“dorisrole”,在“配置资源权限”选择“待操作的集群 > Doris”,勾选“Doris管理员权限”,单击“确定”。
    3. 选择“用户 > 添加用户”,填写用户名称,如“dorisuser”,“用户类型”选择“人机”,“密码策略”默认,输入用户密码并确认密码,关联“dorisrole”角色,单击“确定”。
    4. 使用新建的dorisuser用户重新登录FusionInsight Manager,修改该用户初始密码。

步骤3:创建Doris Catalog并将Hive外表数据写入Doris

  1. 登录Doris集群中已安装好MySQL客户端的MRS Master节点,执行如下命令进入Doris数据库。

    export LIBMYSQL_ENABLE_CLEARTEXT_PLUGIN=1 (若集群已启用Kerberos认证(安全模式)需执行该命令)

    mysql -u数据库登录用户 -p数据库登录用户密码 -P数据库连接端口 -hDoris FE实例IP地址

    说明:
    • 数据库连接端口为Doris FE的查询连接端口,可通过登录MRS Doris集群的Manager界面,选择“集群 > 服务 > Doris > 实例”,查看任一FE实例的业务IP地址获取。
    • Doris FE实例IP地址可通过登录MRS Doris集群的Manager界面,选择“集群 > 服务 > Doris > 配置 > 全部配置”,搜索并查看“query_port”参数值获取。

  2. 执行以下命令创建数据库(例如名称为“sparkconnector”)并切换。

    create database if not exists sparkconnector;

    use sparkconnector;

  3. 执行以下命令创建表(注意表结构要和hive表结构一致)。

    CREATE TABLE lineorder_view_u(

    `LO_ORDERKEY` bigint(20) NOT NULL COMMENT '订单id',

    `LO_LINENUMBER` int(11) NOT NULL COMMENT '订单码',

    `LO_CUSTKEY` bigint(20) NOT NULL COMMENT '客户id',

    `LO_PARTKEY` bigint(20) NOT NULL COMMENT '商品id',

    `LO_SUPPKEY` bigint(20) NOT NULL COMMENT '供应商id',

    `LO_ORDERDATE` date NULL COMMENT '订单日期',

    `LO_ORDERPRIORITY` varchar(100) NULL COMMENT '订单优先级',

    `LO_SHIPPRIORITY` int(11) NULL COMMENT '物流优先级',

    `LO_QUANTITY` int(11) NULL COMMENT '数量',

    `LO_EXTENDEDPRICE` bigint(20) NULL COMMENT '扩展价格',

    `LO_ORDTOTALPRICE` bigint(20) NULL COMMENT '订单总价',

    `LO_DISCOUNT` int(11) NULL COMMENT '折扣',

    `LO_REVENUE` bigint(20) NULL COMMENT '收入',

    `LO_SUPPLYCOST` int(11) NULL COMMENT '成本',

    `LO_TAX` int(11) NULL COMMENT '税款',

    `LO_COMMITDATE` date NULL COMMENT '承诺日期',

    `LO_SHIPMODE` varchar(100) NOT NULL COMMENT '运输方式'

    ) ENGINE=OLAP

    UNIQUE KEY(`LO_ORDERKEY`, `LO_LINENUMBER`)

    COMMENT 'OLAP'

    DISTRIBUTED BY HASH(`LO_ORDERKEY`) BUCKETS 1

    PROPERTIES (

    "replication_allocation" = "tag.location.default: 3",

    "in_memory" = "false",

    "storage_format" = "V2",

    "disable_auto_compaction" = "false"

    );

    例如执行show tables;后结果如下,表示建表成功:

  4. root用户登录MRS Hive集群主节点,执行以下命令登录Spark客户端。

    cd /opt/newclient

    source bigdata_env

    kinit 组件业务用户

    spark-beeline

  5. 执行以下命令创建临时视图。

    CREATE TEMPORARY VIEW spark_doris_decimal

    USING doris

    OPTIONS(

    "table.identifier"="doris数据库名.doris数据表名",

    "fenodes"="FE实例IP地址:FE配置https_port",

    "user"="用户名",

    "password"="用户密码",

    'doris.enable.https' = 'true',

    'doris.ignore.https.ca' = 'true'

    );

  6. 执行以下命令读取Hive外表数据写入Doris。

    insert into spark_doris_decimal select * from wxk.lineorder_orc02;

    例如执行后结果如下,数据写入Doris成功,且数据符合预期结果。

提示

您即将访问非华为云网站,请注意账号财产安全

文档反馈

文档反馈

意见反馈

0/500

标记内容

同时提交标记内容