更新时间:2024-11-29 GMT+08:00

从Hudi同步数据到DWS

操作场景

本章节指导用户通过开启Kerberos认证的集群的CDLService WebUI界面从Hudi导入数据到DWS。

前提条件

  • 集群已安装CDL、Hudi服务且运行正常。
  • DWS数据库需要开启前置要求,操作步骤请参考DWS数据库前置准备
  • 在FusionInsight Manager中创建一个人机用户,例如“cdluser”,加入用户组cdladmin、hadoop、kafkasupergroup,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“dws”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 DWS数据连接配置参数

    参数名称

    示例

    Link Type

    dws

    Name

    dwstest

    Host

    10.10.10.10

    Port

    8000

    DB Name

    dwsdb

    User

    dbuser

    Password

    dbuser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

    xxx

  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_huditodws

    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

      Hudi表属性配置

      JSON视图

      Table Info

      {"table1": [{"source.database": "","source.tablename": "","target.tablename": "","target.schemaname": "","enable.sink.precombine":"true"}] }

      • 从Hudi同步数据到DWS任务支持precombine字段与Hudi precombine字段一致的场景。
      • DWS表中必须包含precombine字段与主键。
      • 默认为Hudi内置字段_hoodie_event_time,若不使用,需要设置“enable.sink.precombine”参数,例如:

    2. 单击“确定”,Hudi作业参数配置完成。

  7. 配置DWS作业参数。

    1. 在作业参数配置页面,选取左侧“dws”图标拖入右侧编辑区域,然后双击此图标进入dws作业参数配置窗口。参考下表进行参数配置。
      表5 DWS作业参数

      参数名称

      示例

      Link

      dwstest

      Query Timeout

      180000

      Batch Size

      10

    2. 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Hudi中对表进行插入数据操作,查看DWS导入的文件内容。