配置Doris对接Hive数据源

约束与限制

• 支持Managed Table。
• 可以识别Hive Metastore中存储的Hive和Hudi元数据。
• Hive表格式仅支持Parquet、ORC、TextFile。
• 建议待读取的Hive表数据量不要过大，不要执行全表扫描查询操作，可考虑单批次访问的Hive数据量在TB内，且分区数不超过5000。
• 不支持对Hive Catalog表执行delete和update操作。
• Doris访问Array类型的字段时，默认从下标1开始；Hive访问Array类型的字段时，默认从下标0开始。

前提条件

• 已创建包含Doris服务的集群，集群内各服务运行正常。
• 待连接Doris数据库的节点与MRS集群网络互通。
• 创建具有Doris管理权限的用户。
  • 集群已启用Kerberos认证（安全模式）

    在FusionInsight Manager中创建一个人机用户，例如“dorisuser”，创建一个拥有“Doris管理员权限”的角色绑定给该用户。

    使用新建的用户dorisuser重新登录FusionInsight Manager，修改该用户初始密码。

  • 集群未启用Kerberos认证（普通模式）

    使用admin用户连接Doris后，创建具有管理员权限的角色并绑定给用户。

• 已安装MySQL客户端，相关操作可参考使用MySQL客户端连接Doris。
• 如果Doris通过Catalog跨集群访问Hive数据，需要配置跨集群互信，相关操作可参考配置跨Manager集群互信。

Hive表操作

1. 如果需使用Doris读取Hive存储在OBS中的数据，需执行以下操作。
   1. 登录华为云管理控制台，在“控制台”页面，鼠标移动至右上方的用户名，在下拉列表中选择“我的凭证”。
   2. 单击“访问密钥”页签，单击“新增访问密钥”，输入验证码或密码。单击“确定”，生成并下载访问密钥。

      在.csv文件中获取创建Catalog所需的AWS_ACCESS_KEY、AWS_SECRET_KEY参数值，对应关系为：

      • AWS_ACCESS_KEY参数值为.csv文件中“Access Key Id”列的值。
      • AWS_SECRET_KEY参数值为.csv文件中“Secret Access Key”列的值。
      

      • 请及时下载保存，弹窗关闭后将无法再次获取该密钥信息，但您可重新创建新的密钥。
      • 为了账号安全性，建议您妥善保管并定期修改访问密钥，修改访问密钥的方法为删除旧访问密钥，然后重新生成。
      • MRS 3.3.1及之后版本，AWS_ACCESS_KEY、AWS_SECRET_KEY参数名变更为obs.access_key和obs.secret_key。
   3. 创建Catalog所需的AWS_REGION（MRS 3.3.1及之后版本变更为obs.region）可在地区和终端节点获取。
   4. 登录“对象存储服务 OBS”管理控制台，单击“并行文件系统”，单击Hive表所在的OBS并行文件系统名称，在概览界面查看“Endpoint”参数值，该值为创建Catalog时设置AWS_ENDPOINT（MRS 3.3.1及之后版本变更为obs.endpoint）参数的值。

2. 登录安装了MySQL的节点，执行以下命令，连接Doris数据库。

   如果集群已启用Kerberos认证（安全模式），需先执行以下命令：

   export LIBMYSQL_ENABLE_CLEARTEXT_PLUGIN=1

   连接Doris数据库：

   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

   • 数据库连接端口为Doris FE的查询连接端口，可以通过登录Manager，单击“集群 > 服务 > Doris > 配置”，查询Doris服务的“query_port”参数获取。
   • Doris FE实例IP地址可通过登录MRS集群的Manager界面，单击“集群 > 服务 > Doris > 实例”，查看任一FE实例的IP地址。
   • 用户也可以使用MySQL连接软件或者Doris WebUI界面连接数据库。

3. 创建Catalog。
   • Hive表数据存储在HDFS中，执行以下命令创建Catalog：
     • 集群已启用Kerberos认证（安全模式）：

       CREATE CATALOG hive_catalog PROPERTIES (
       'type'='hms',
       'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
       'hive.metastore.sasl.enabled' = 'true',
       'hive.server2.thrift.sasl.qop' = 'auth-conf',
       'hive.server2.authentication' = 'KERBEROS',
       'dfs.nameservices'='hacluster',
       'dfs.ha.namenodes.hacluster'='24,25',
       'dfs.namenode.rpc-address.hacluster.24'='主NameNodeIP地址:RPC通信端口',
       'dfs.namenode.rpc-address.hacluster.25'='备NameNodeIP地址:RPC通信端口',
       'dfs.client.failover.proxy.provider.hacluster'='org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider',
       'hive.version' = '3.1.0',
       'hive.metastore.kerberos.principal' = '${hive_keytab_principal}',
       'hadoop.security.authentication' = 'kerberos',
       'hadoop.kerberos.keytab' = '/home/omm/doris_keytab/doris.keytab',
       'hadoop.kerberos.principal' = '${doris_keytab_principal}',
       'java.security.krb5.conf' = '/opt/Bigdata/FusionInsight_BASE_8.5.0/1_1_KerberosClient/etc/krb5.conf',
       'hadoop.rpc.protection' = 'privacy'
       );

     • 集群未启用Kerberos认证（普通模式）：

       CREATE CATALOG hive_catalog PROPERTIES (
       'type'='hms',
       'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
       'hive.version' = '3.1.0',
       'hadoop.username' = 'hive',
       'dfs.nameservices'='hacluster',
       'dfs.ha.namenodes.hacluster'='24,25',
       'dfs.namenode.rpc-address.hacluster.24'='192-168-67-172:25000',
       'dfs.namenode.rpc-address.hacluster.25'='192-168-67-78:25000',
       'dfs.client.failover.proxy.provider.hacluster'='org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider'
       );

     表1 创建Catalog相关参数介绍

     参数	参数说明
     hive.metastore.uris	Hive MetaStore的URL，格式为“thrift://Hive MetaStore的IP地址:端口号”，支持多个值，以逗号分隔。
     dfs.nameservices	集群NameService名称。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值。
     dfs.ha.namenodes.hacluster	集群NameService前缀，包含两个值。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值。
     dfs.namenode.rpc-address.hacluster.xx1	主NameNode的RPC通信地址。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值，xx为“dfs.ha.namenodes.hacluster”参数的值。
     dfs.namenode.rpc-address.hacluster.xx2	备NameNode的RPC通信地址。可在NameNode所在节点的“${BIGDATA_HOME}/FusionInsight_HD_*/1_*_NameNode/etc”目录下的“hdfs-site.xml”中查找该配置项的值，xx为“dfs.ha.namenodes.hacluster”参数的值。
     dfs.client.failover.proxy.provider.hacluster	指定HDFS客户端连接集群中Active状态节点的Java类。值为“org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider”。
     hive.version	Hive版本。可在Manager界面，选择“集群 > 服务 > Hive”，在概览页面查看“版本”获取。
     hadoop.rpc.protection	设置Hadoop中各模块的RPC通道是否加密，默认为“privacy”。可在Manager界面，选择“集群 > 服务 > HDFS > 配置”，搜索“hadoop.rpc.protection”获取。
     hive.metastore.sasl.enabled	MetaStore的管理权限开关，值为“true”。 该参数仅适用于开启Kerberos认证的集群。
     hive.server2.thrift.sasl.qop	HiveServer2和客户端交互是否加密传输，值为“auth-conf”。 该参数仅适用于开启Kerberos认证的集群。
     hive.server2.authentication	访问HiveServer的安全认证方式，值为“KERBEROS”。 该参数仅适用于开启Kerberos认证的集群。
     hive.metastore.kerberos.principal	访问Hive集群的keytab文件对应的principal。 MRS 3.5.0之前版本，值为“hive/hadoop.hadoop.com@HADOOP.COM”。MRS 3.5.0及之后版本，格式为“hive/hadoop.${系统域名转换为小写}@${系统域名}”，系统域名可登录Manager页面，选择“系统 > 权限 > 域和互信”，查看“本端域”参数获取。例如，查看到的系统域名为“A39A7DF8_953D_4772_B909_035A594FFA55.COM”，则该参数值为“hive/hadoop.a39a7df8_953d_4772_b909_035a594ffa55.com@A39A7DF8_953D_4772_B909_035A594FFA55.COM”。 该参数仅适用于开启Kerberos认证的集群。
     hadoop.security.authentication	访问Hadoop的安全认证方式，值为“KERBEROS”。 该参数仅适用于开启Kerberos认证的集群。
     hadoop.kerberos.keytab	访问Hadoop集群的keytab，该文件位于FE节点“${BIGDATA_HOME}/FusionInsight_Doris_*/install/FusionInsight-Doris-*/doris-be/bin/doris.keytab”路径中，需要拷贝该keytab文件到所有FE、BE节点上，例如，“/home/omm/doris_keytab”目录下，并执行以下命令设置“doris.keytab”文件属组： chown omm:wheel /home/omm/doris_keytab -R 该参数仅适用于开启Kerberos认证的集群。
     hadoop.kerberos.principal	访问Hadoop集群的keytab文件对应的principal。 MRS 3.5.0之前版本，值为“doris/hadoop.hadoop.com@HADOOP.COM”。MRS 3.5.0及之后版本，格式为“doris/hadoop.${系统域名转换为小写}@${系统域名}”，系统域名可登录Manager页面，选择“系统 > 权限 > 域和互信”，查看“本端域”参数获取。例如，查看到的系统域名为“A39A7DF8_953D_4772_B909_035A594FFA55.COM”，则该参数值为“doris/hadoop.a39a7df8_953d_4772_b909_035a594ffa55.com@A39A7DF8_953D_4772_B909_035A594FFA55.COM”。 该参数仅适用于开启Kerberos认证的集群。
     java.security.krb5.conf	krb5文件，值为“${BIGDATA_HOME}/FusionInsight_BASE_*/1_*_KerberosClient/etc/krb5.conf”文件所在的绝对路径。 该参数仅适用于开启Kerberos认证的集群。
     hadoop.username	访问Hadoop集群的用户名，值为“hdfs”。 该参数仅适用于未开启Kerberos认证的集群。

   • Hive表数据存储在OBS中，执行以下命令创建Catalog，相关参数值请参见1获取：

     MRS 3.3.1之前版本：

     CREATE CATALOG hive_obs_catalog PROPERTIES (
     'type'='hms',
     'hive.version' = '3.1.0',
     'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
     'hive.metastore.sasl.enabled' = 'true',
     'hive.server2.thrift.sasl.qop' = 'auth-conf',
     'hive.server2.authentication' = 'KERBEROS',
     'dfs.nameservices'='hacluster',
     'dfs.ha.namenodes.hacluster'='24,25',
     'dfs.namenode.rpc-address.hacluster.24'='主NameNode IP地址:RPC通信端口',
     'dfs.namenode.rpc-address.hacluster.25'='备NameNode IP地址:RPC通信端口',
     'dfs.client.failover.proxy.provider.hacluster'='org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider',
     'hive.metastore.kerberos.principal' = '${hive_keytab_principal}',
     'hadoop.security.authentication' = 'kerberos',
     'hadoop.kerberos.keytab' = '/home/omm/doris_keytab/doris.keytab',
     'hadoop.kerberos.principal' = '${doris_keytab_principal}',
     'java.security.krb5.conf' = '${BIGDATA_HOME}/FusionInsight_BASE_*/1_16_KerberosClient/etc/krb5.conf',
     'AWS_ACCESS_KEY' = 'AK',
     'AWS_SECRET_KEY' = 'SK',
     'AWS_ENDPOINT' = 'OBS并行文件系统的Endpoint地址',
     'AWS_REGION' = 'sa-fb-1',
     'hadoop.rpc.protection' = 'privacy'
     );

     MRS 3.3.1及之后版本：

     CREATE CATALOG hive_catalog PROPERTIES (
     'type'='hms',
     'hive.version' = '3.1.0',
     'hive.metastore.uris' = 'thrift://192.168.67.161:21088',
     'hive.metastore.sasl.enabled' = 'true',
     'hive.server2.thrift.sasl.qop' = 'auth-conf',
     'hive.server2.authentication' = 'KERBEROS',
     'dfs.nameservices'='hacluster',
     'dfs.ha.namenodes.hacluster'='24,25',
     'dfs.namenode.rpc-address.hacluster.24'='主NameNode IP地址:RPC通信端口',
     'dfs.namenode.rpc-address.hacluster.25'='备NameNode IP地址:RPC通信端口',
     'dfs.client.failover.proxy.provider.hacluster'='org.apache.hadoop.hdfs.server.namenode.ha.ConfiguredFailoverProxyProvider',
     'hive.metastore.kerberos.principal' = '${hive_keytab_principal}',
     'hadoop.security.authentication' = 'kerberos',
     'hadoop.kerberos.keytab' = '/home/omm/doris_keytab/doris.keytab',
     'hadoop.kerberos.principal' = '${doris_keytab_principal}',
     'java.security.krb5.conf' = '/opt/Bigdata/FusionInsight_BASE_8.5.0/1_16_KerberosClient/etc/krb5.conf',
     'obs.access_key' = 'AK',
     'obs.secret_key' = 'SK',
     'obs.endpoint' = 'OBS并行文件系统的Endpoint地址',
     'obs.region' = 'sa-fb-1'，
     'hadoop.rpc.protection' = 'privacy'
     );

     相关参数介绍请参见表1。

4. 查询Hive表：
   • 执行以下命令查询Catalog：

     show catalogs;

   • 执行以下命令查询Catalog下面的数据库：

     show databases from hive_catalog;

   • 执行以下命令切换到指定Catalog，再进入到数据库中：

     switch hive_catalog;

     进入指定数据库中：

     use default;

   • 查询Catalog中某个库中的所有表：

     show tables from `hive_catalog`.`default`;

     查询指定表：

     select * from `hive_catalog`.`default`.`test_table`;

     执行以下命令查看表的Schema：

     DESC test_table;

5. 新建或操作Hive表后，需要在Doris中执行刷新：

   refresh catalog hive_catalog;

6. 执行以下命令与其他数据目录中的表进行关联查询：

   SELECT h.h_shipdate FROM hive_catalog.default.htable h WHERE h.h_partkey IN (SELECT p_partkey FROM internal.db1.part) LIMIT 10;

   其中：

   • 通过catalog.database.table全限定的方式标识一张表，如：internal.db1.part。
   • 其中catalog和database可以省略，缺省使用当前SWITCH和USE切换后的Catalog和Database。
   • 可以使用INSERT INTO命令，将Hive Catalog中的表数据，插入到Interal Catalog中的内部表，从实现导入外部数据目录数据。