从Hudi同步数据到ClickHouse

操作场景

本章节指导用户通过MRS 3.2.0版本开启Kerberos认证的集群的CDLService WebUI界面，从Hudi导入数据到ClickHouse。

前提条件

• 集群已安装CDL、Hudi和ClickHouse服务且运行正常。
• 用户需要有操作ClickHouse的权限，相关操作请参见创建ClickHouse角色。
• 在FusionInsight Manager中创建一个人机用户，例如“cdluser”，该用户需具有ClickHouse管理员权限（相关操作请参见创建ClickHouse角色），并加入用户组cdladmin、hadoop、kafka、supergroup，主组选择“cdladmin”组，关联角色“System_administrator”。
• 手动创建ClickHouse侧的本地表和分布式表， 本地表使用ReplicatedReplacingMergeTree引擎，详细操作请参见从零开始使用ClickHouse章节。

操作步骤

1. 使用cdluser用户登录FusionInsight Manager（首次登录需要修改密码），选择“集群 > 服务 > CDL”，单击“CDLService UI”右侧的超链接，进入CDLService WebUI界面。
2. 选择“连接管理 > 新增连接”，进入“新增连接”参数配置窗口，参考下表，分别新增“clickhouse”和“hudi”连接，相关数据连接参数介绍请参见创建数据库连接。

   表1 ClickHouse数据连接配置参数

   参数名称	示例
   Link Type	clickhouse
   Name	cklink
   Host	10.10.10.10:21428
   User	cdluser
   Password	cdluser用户密码
   Description	-

   表2 Hudi数据连接配置参数

   参数名称	示例
   Link Type	hudi
   Name	hudilink
   Storage Type	hdfs
   Auth KeytabFile	/opt/Bigdata/third_lib/CDL/user_libs/cdluser.keytab
   Principal	cdluser
   Description	-

3. 参数配置完成后，单击“测试连接”，检查数据连通是否正常。

   连接校验通过后，单击“确定”完成数据连接创建。

4. （可选）选择“ENV管理 > 新建ENV”，进入“新建ENV”参数配置窗口，参考下表进行参数配置。

   表3 新建ENV配置参数

   参数名称	示例
   Name	test-env
   Driver Memory	1GB
   Type	spark
   Executor Memory	1GB
   Executor Cores	1
   Number Executors	1
   Queue	-
   Description	-

   参数配置完成后，单击“确定”创建ENV。

5. 选择“作业管理 > 数据同步任务 > 新建作业”，在“新建作业”窗口中填写配置。单击“下一步”，进入作业参数配置页面。
   其中：

   参数名称	示例
   Name	job_huditock
   Desc	-

6. 配置Hudi作业参数。
   1. 在作业参数配置页面，选取左侧Source区域的“hudi”图标拖入右侧编辑区域，然后双击此图标进入Hudi作业参数配置窗口。参考下表进行参数配置，相关作业参数介绍请参见创建CDL数据同步任务作业。

      表4 Source Hudi作业参数

      参数名称	示例
      Link	hudilink
      Interval	10
      Table Info	{"table1":[{"source.database":"db","source.tablename":"tabletest","target.tablename":"default.tabletest"}]} 说明： 无需配置Hudi自带的字段，只配置需同步至ClickHouse的业务字段即可。

      

   2. 单击“确定”，Hudi作业参数配置完成。

7. 配置ClickHouse作业参数。
   1. 在作业参数配置页面，选取左侧“clickhouse”图标拖入右侧编辑区域，然后双击此图标进入ClickHouse作业参数配置窗口。参考下表进行参数配置，相关作业参数介绍请参见创建CDL数据同步任务作业：

      表5 ClickHouse作业参数

      参数名称	示例
      Link	cklink
      Query Timeout	60000
      Batch Size	100

      

   2. 单击“确定”，完成ClickHouse作业参数配置。

8. 作业参数配置完成后，拖拽图标将作业进行关联，然后单击“保存”，作业配置完成。

   

9. 在“作业管理”的作业列表中，找到创建的作业名称，单击操作列的“启动”，等待作业启动。

   观察数据传输是否生效，例如在Hudi中对表进行插入数据操作，查看ClickHouse导入的文件内容。