更新时间:2022-08-16 GMT+08:00

创建外表

GaussDB(DWS)数据库中创建一个Hadoop外表,用来访问存储在MRS HDFS文件系统上的Hadoop结构化数据。Hadoop外表是只读的,只能用于查询操作,可直接使用SELECT查询其数据。

您可以按照以下步骤创建外表:

  1. 请确保您已经完成前提条件
  2. 根据创建外表(CREATE FOREIGN TABLE (SQL on Hadoop or OBS))的语法描述,需要先获取以下信息:
    1. 获取MRS数据源的HDFS路径
    2. 获取MRS数据源连接的外部服务器信息
  3. 创建外表

    参考信息:数据类型转换说明

前提条件

  • 已创建MRS集群,并将数据导入Hive/Spark数据库中的ORC表。

    请参见MRS集群上的数据准备

  • GaussDB(DWS)集群已创建MRS数据源连接。

    具体操作请参见《数据仓库服务用户指南》的“管理MRS数据源 > 创建MRS数据源连接”章节。

获取MRS数据源的HDFS路径

有两种方法可以查看:

  • 方法一:

    对于Hive数据,可以登录MRS的Hive客户端(参见2),执行以下命令查看表的详细信息,并记录下location参数中的数据存储路径。

    use <database_name>;
    desc formatted <table_name>;

    例如,返回结果中location参数值为“hdfs://hacluster/user/hive/warehouse/demo.db/product_info_orc/”,则记录HDFS路径为“/user/hive/warehouse/demo.db/product_info_orc/”

  • 方法二:
    按以下步骤获取HDFS路径。
    1. 登录MRS管理控制台。
    2. 选择“集群列表 > 现有集群”,单击要查看的集群名称,进入集群基本信息页面。
    3. 单击“文件管理”,选择“HDFS文件列表”。
    4. 进入您要导入到GaussDB(DWS)集群的数据的存储目录,并记录其路径。
      图1 在MRS上查看数据存储路径

获取MRS数据源连接的外部服务器信息

  1. 使用创建外部服务器的用户去连接其对应的数据库。

    是否使用普通用户在自定义数据库中创建外表,请根据需求进行选择:

      1. 请先确保,您已按照手动创建外部服务器章节中的步骤,创建了普通用户dbuser和它的数据库mydatabase,并在mydatabase中手动创建了一个外部服务器。
      2. 使用用户dbuser通过GaussDB(DWS)提供的数据库客户端连接数据库mydatabase。
        如果已经使用gsql客户端连接至数据库,可以直接执行如下命令进行用户和数据库切换:
        \c mydatabase dbuser;

        根据界面提示输入密码。

    • 当您通过GaussDB(DWS)管理控制台创建MRS数据源连接时,数据库管理员dbadmin会在默认数据库postgres中自动创建一个外部服务器。因此,如果使用数据库管理员dbadmin在默认数据库postgres中创建外表,需要通过GaussDB(DWS)提供的数据库客户端工具连接数据库。例如,使用gsql客户端的用户通过如下命令连接数据库:

      gsql -d postgres -h 192.168.2.30 -U dbadmin -p 8000 -W password -r

      根据界面提示输入密码。

  2. 执行以下命令,查看已创建的MRS数据源连接的外部服务器信息。

    SELECT * FROM pg_foreign_server;

    也可以执行\desc+命令查看外部服务器信息。

    返回结果如:

                         srvname                      | srvowner | srvfdw | srvtype | srvversion | srvacl |                                                     srvoptions
    --------------------------------------------------+----------+--------+---------+------------+--------+---------------------------------------------------------------------------------------------------------------------
     gsmpp_server                                     |       10 |  13673 |         |            |        |
     gsmpp_errorinfo_server                           |       10 |  13678 |         |            |        |
     hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca |    16476 |  13685 |         |            |        | {"address=192.168.1.245:25000,192.168.1.218:25000",hdfscfgpath=/MRS/8f79ada0-d998-4026-9020-80d6de2692ca,type=hdfs}
    (3 rows)

    查询结果中,每一行代表一个外部服务器的信息。与MRS数据源连接相关联的外部服务器包含以下信息:

    • srvname值包含“hdfs_server”字样以及MRS集群的ID,此ID与MRS管理控制台的集群列表MRS ID相同。
    • srvoptions字段中的address参数为MRS集群的主备节点的IP地址及端口。

    您可以根据上述信息找到您所要的外部服务器,并记录下它的srvname和srvoptions的值。

创建外表

当完成获取MRS数据源连接的外部服务器信息获取MRS数据源的HDFS路径后,就可以创建一个外表,用于读取MRS数据源数据。

创建外表的语法格式如下,详细的描述请参见(CREATE FOREIGN TABLE (SQL on Hadoop or OBS))。

CREATE FOREIGN TABLE [ IF NOT EXISTS ] table_name 
( [ { column_name type_name 
    [ { [CONSTRAINT constraint_name] NULL |
    [CONSTRAINT constraint_name] NOT NULL |
      column_constraint [...]} ] |
      table_constraint [, ...]} [, ...] ] ) 
    SERVER dfs_server 
    OPTIONS ( { option_name ' value ' } [, ...] ) 
    DISTRIBUTE BY {ROUNDROBIN | REPLICATION}
    [ PARTITION BY ( column_name ) [ AUTOMAPPED ] ] ;

例如,创建一个名为"foreign_product_info"的外表,对语法中的参数按如下描述进行设置:

  • table_name

    必选。外表的表名。

  • 表字段定义
    • column_name:外表中的字段名。
    • type_name:字段的数据类型。

    多个字段用“,”隔开。

    外表的字段个数和字段类型,需要与MRS上保存的数据完全一致。定义字段的数据类型之前,您必须先了解数据类型转换说明

  • SERVER dfs_server

    外表的外部服务器名称,这个server必须存在。外表通过设置外部服务器,从而关联MRS数据源连接并从MRS集群读取数据。

    此处应填写为通过获取MRS数据源连接的外部服务器信息查询到的“srvname”字段的值。

  • OPTIONS 参数

    用于指定外表数据的各类参数,关键参数如下所示。

    • format:必选参数。取值只支持“orc”。表示数据源文件的格式,只支持Hive的ORC数据文件。
    • foldername:必选参数。表示数据在HDFS的存储目录或数据文件路径。

      如果是启用了Kerberos认证的MRS分析集群,请确保MRS数据源连接的MRS用户,拥有此目录的读取权限。

      请按照获取MRS数据源的HDFS路径中的步骤获取HDFS路径,该路径作为foldername的参数值。

    • encoding:可选参数。外表中数据源文件的编码格式名称,缺省为utf8。
    • DISTRIBUTE BY
      表示外表的数据读取方式。有以下两种方式供选择,在本例中我们选择ROUNDROBIN。
      • ROUNDROBIN:表示外表在从数据源读取数据时,GaussDB(DWS)集群每一个节点读取随机一部分数据,并组成完整数据。
      • REPLICATION:表示外表在从数据源读取数据时,GaussDB(DWS)集群每一个节点都读取一份完整数据。
    • 语法中的其他参数

      其他参数均为可选参数,用户可以根据自己的需求进行设置,在本例中我们不需要设置。

根据以上信息,创建外表命令如下所示:

DROP FOREIGN TABLE IF EXISTS foreign_product_info;

CREATE FOREIGN TABLE foreign_product_info
(
    product_price                integer        ,
    product_id                   char(30)       ,
    product_time                 date           ,
    product_level                char(10)       ,
    product_name                 varchar(200)   ,
    product_type1                varchar(20)    ,
    product_type2                char(10)       ,
    product_monthly_sales_cnt    integer        ,
    product_comment_time         date           ,
    product_comment_num          integer        ,
    product_comment_content      varchar(200)                      
) SERVER hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca 
OPTIONS (
format 'orc', 
encoding 'utf8',
foldername '/user/hive/warehouse/demo.db/product_info_orc/'
) 
DISTRIBUTE BY ROUNDROBIN;

数据类型转换说明

当前用户导入到Hive/Spark的数据在HDFS存储为ORC文件格式,GaussDB(DWS)实际读取HDFS中的ORC文件,并对文件内的数据进行查询分析。

由于Hive/Spark支持的数据类型与GaussDB(DWS)自身支持的数据类型存在差异,在创建外表定义表字段时,您需要了解这两者之间数据类型的对应关系,具体如表1所示:

表1 数据类型匹配表

类型名称

GaussDB(DWS)的HDFS/OBS外表支持的字段类型

Hive表字段类型

Spark表字段类型

2字节整数

SMALLINT

SMALLINT

SMALLINT

4字节整数

INTEGER

INT

INT

8字节整数

BIGINT

BIGINT

BIGINT

单精度浮点数

FLOAT4 (REAL)

FLOAT

FLOAT

双精度浮点型

FLOAT8(DOUBLE PRECISION)

DOUBLE

FLOAT

科学数据类型

DECIMAL[p (,s)]

最大支持38位精度

DECIMAL

最大支持38位(Hive 0.11)

DECIMAL

日期类型

DATE

DATE

DATE

时间类型

TIMESTAMP

TIMESTAMP

TIMESTAMP

Boolean类型

BOOLEAN

BOOLEAN

BOOLEAN

Char类型

CHAR(n)

CHAR (n)

STRING

VarChar类型

VARCHAR(n)

VARCHAR (n)

VARCHAR (n)

字符串

TEXT(CLOB)

STRING

STRING