从ThirdKafka同步openGauss数据到Hudi

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ThirdKafka导入openGauss数据到Hudi。

前提条件

• 集群已安装CDL、Hudi服务且运行正常。
• ThirdKafka数据库的Topic需要能被MRS集群消费，操作步骤请参考ThirdPartyKafka前置准备。
• 在FusionInsight Manager中创建一个人机用户，例如“cdluser”，加入用户组cdladmin、hadoop、kafka、supergroup，主组选择“cdladmin”组，关联角色“System_administrator”。

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“thirdparty-kafka”、“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 thirdparty-kafka数据连接配置参数

   参数名称	示例
   Name	opengausslink
   Link Type	thirdparty-kafka
   Bootstrap Servers	10.10.10.10:9093
   Security Protocol	SASL_SSL
   Username	testuser
   Password	testuser用户密码
   SSL Truststore Location	单击“上传文件”，上传认证文件
   SSL Truststore Password	-
   Datastore Type	opengauss
   Host	11.11.xxx.xxx,12.12.xxx.xxx
   Port	8000
   DB Name	opengaussdb
   User	opengaussuser
   DB Password	opengaussuser用户密码
   Description	-

   

   thirdparty-kafka也可以使用MRS Kafka作为源端，如果使用用户名（Username）密码（Password）进行登录认证，则需先登录Manager界面，选择“集群 > 服务 > Kafka > 配置”，在搜索框中搜索“sasl.enabled.mechanisms”，为该参数值增加“PLAIN”，单击“保存”保存配置，并重启Kafka服务使配置生效：

   

   再在CDL WebUI界面配置使用MRS Kafka作为源端的thirdparty-kafka连接，例如相关数据连接配置如下:

   

   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_opengausstohudi
   Desc	New CDL Job

6. 配置ThirdKafka作业参数。
   1. 在作业参数配置页面，选取左侧“thirdparty-kafka”图标拖入右侧编辑区域，然后双击此图标进入ThirdpartyKafka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 thirdparty-kafka作业参数

      参数名称	示例
      Link	opengausslink
      DB Name	opengaussdb
      Schema	opengaussschema
      Datastore Type	opengauss
      Source Topics	source_topic
      Tasks Max	1
      Tolerance	none
      Start Time	-
      Multi Partition	否
      Topic Table Mapping	test/hudi_topic

      

   2. 单击“确定”，ThirdpartyKafka作业参数配置完成。

7. 配置Hudi作业参数。
   1. 在作业参数配置页面，选取左侧Sink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5 Sink Hudi作业参数

      参数名称	示例
      Link	hudilink
      Path	/cdl/test
      Interval	10
      Max Rate Per Partition	0
      Parallelism	10
      Target Hive Database	default
      Hudi表属性配置方式	可视化视图
      Hudi表属性全局配置	-
      Hudi表属性配置-Table Name	test
      Hudi表属性配置-Table Type Opt Key	COPY_ON_WRITE
      Hudi表属性配置-Hudi TableName Mapping	-
      Hudi表属性配置-Hive TableName Mapping	-
      Hudi表属性配置-Table Primarykey Mapping	id
      Hudi表属性配置-Table Hudi Partition Type	-
      Hudi表属性配置-Custom Config	-

      

   2. （可选）单击“+”按钮展开更多选项，选择已创建的ENV，默认为“defaultEnv”。

      

   3. 单击“确定”，完成Hudi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opengauss数据库中对表进行插入数据操作，查看Hudi导入的文件内容。