# 通过Spark读取Hive外表数据并写入Doris
#### 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   
![](https://support.huaweicloud.com/bestpractice-mrs/zh-cn_image_0000002378880988.png "点击放大")
- 场景特点： 业务特点为离线数据，端到端时延无要求，仅对数据集市中的数据查询时延有要求，如离线报表场景、实时报表的数据初始化场景。
  
- 数据加载方式：
  - 在存在DataArts Studio工具的场景下，数据加载统一使用CDM进行（DataArts Studio需要2.10及以上版本）。
  
  - 在不存在DataArts Studio工具的场景下，可以使用Spark或者外表方式加载。由数据加工方进行数据推送加载时，推荐使用BrokerLoad加载方式，方便数据加工方统一调度；如果有数据应用方负责数据加载，则使用外表方式进行数据加载较为方便应用层另外配置加载数据。
  
  - 在没有数据湖的场景下，轻量化数仓场景中，数据直接由源端文件加载到Doris中，可以使用Streamload方式加载本地文件。
   
- 注意事项： Hive外表通过整体添加Hive的MetaStore的方式，将全量元数据在Doris中呈现。
  
 
#### 操作流程
- [步骤1：创建MRS Hive集群并配置]
- [步骤2：创建MRS Doris集群并配置]
- [步骤3：创建Doris Catalog并将Hive外表数据写入Doris]
 
 #### 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[自定义购买MRS集群](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0513.html)，例如相关参数如下：
   - 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）](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0089.html)。
   
   例如客户端安装路径为"/opt/client"。
   
   
3. 已存在Hive外表（数据格式仅限ORC格式），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/doristest' TBLPROPERTIES (
     'bucketing_version' = '2',
     'orc.compress' = 'ZLIB',
     'transient_lastDdlTime' = '1705923234'
   ) ；
   ```
   准备数据如下：
   ![](https://support.huaweicloud.com/bestpractice-mrs/zh-cn_image_0000002060359094.png "点击放大")
   
   
 
 #### 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[自定义购买MRS集群](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0513.html)，例如相关参数如下：
   - 集群名称：自定义，例如"mrs_doris"
   
   - 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）](https://support.huaweicloud.com/usermanual-mrs/mrs_01_0089.html)。
   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](https://support.huaweicloud.com/cmpntguide-lts-mrs/mrs_01_249271.html)。
   
   
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。
   
   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
   ```
   ![](https://support.huaweicloud.com/bestpractice-mrs/public_sys-resources/note_3.0-zh-cn.png)
   - 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：
   ![](https://support.huaweicloud.com/bestpractice-mrs/zh-cn_image_0000002060128126.png)
   
   
4. 以**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/client
   ```
   ```
   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。
   ![](https://support.huaweicloud.com/bestpractice-mrs/zh-cn_image_0000002060517418.png "点击放大")