# Hbase维表 #### 功能描述 创建Hbase维表用于与输入流连接生成宽表。 #### 前提条件 - 该场景作业需要运行在DLI的独享队列上，因此要与HBase建立增强型跨源连接，且用户可以根据实际所需设置相应安全组规则。 - 如何建立增强型跨源连接，请参考《数据湖探索用户指南》中[增强型跨源连接](https://support.huaweicloud.com/usermanual-dli/dli_01_0426.html)章节。 - 如何设置安全组规则，请参见[《虚拟私有云用户指南》](https://support.huaweicloud.com/usermanual-vpc/zh-cn_topic_0073379079.html)中"安全组"章节。 - **如果使用MRS HBase，请在增强型跨源的主机信息中添加MRS集群所有节点的主机ip信息。** 详细操作请参考《数据湖探索用户指南》中的"[修改主机信息](https://support.huaweicloud.com/usermanual-dli/dli_01_0013.html)"章节描述。 #### 注意事项 - 创建Flink OpenSource SQL作业时，在作业编辑界面的"运行参数"处，"Flink版本"需要选择"1.15"，勾选"保存作业日志"并设置保存作业日志的OBS桶，方便后续查看作业日志。 - 认证用的username和password等硬编码到代码中或者明文存储都有很大的安全风险，建议使用DEW管理凭证。配置文件或者环境变量中密文存放，使用时解密，确保安全。[Flink Opensource SQL使用DEW管理访问凭据](https://support.huaweicloud.com/devg-dli/dli_09_0210.html) - 所有 HBase 表的列簇必须定义为ROW类型，字段名对应列簇名（column family），嵌套的字段名对应列限定符名（column qualifier）。用户只需在表结构中声明查询中使用的的列簇和列限定符。除了 ROW 类型的列，剩下的原子数据类型字段（比如，STRING, BIGINT）将被识别为 HBase 的 rowkey，一张表中只能声明一个 rowkey。rowkey 字段的名字可以是任意的，如果是保留关键字，需要用反引号。 #### 语法格式 ``` create table hbaseSource ( attr_name attr_type (',' attr_name attr_type)* ) with ( 'connector' = 'hbase-2.2', 'table-name' = '', 'zookeeper.quorum' = '' ); ``` #### 参数说明 表1参数说明 | 参数 | 是否必选 | 默认值 | 参数类型 | 说明 | |:---|:---|:---|:---|:---| | connector | 是 | 无 | String | connector的类型，需配置为：hbase-2.2。 | | table-name | 是 | 无 | String | 连接的HBase表名。 | | zookeeper.quorum | 是 | 无 | String | HBase Zookeeper quorum 信息。格式为：ZookeeperAddress:ZookeeperPort。 以MRS Hbase集群为例，该参数的所使用Zookeeper的ip地址和端口号获取方式如下： - 在MRS Manager上，选择"集群 \> *待操作的集群名称* \> 服务 \> ZooKeeper \> 实例"，获取ZooKeeper角色实例的IP地址。 - 在MRS Manager上，选择"集群 \> 待操作的集群名称 \> 服务 \> ZooKeeper \> 配置 \> 全部配置"，搜索参数"clientPort"，获取"clientPort"的参数值即为ZooKeeper的端口。 | | zookeeper.znode.parent | 否 | /hbase | String | HBase集群的Zookeeper根目录。 | | lookup.async | 否 | false | Boolean | 是否设置异步维表。 | | lookup.cache.max-rows | 否 | -1 | Long | 维表配置，缓存的最大行数，超过该值时，缓存中最先添加的条目将被标记为过期。 默认表示不使用该配置。 | | lookup.cache.ttl | 否 | -1 | Long | 维表配置，缓存超时时间，超过该时间的数据会被剔除。格式为：{length value}{time unit label}，如123ms, 321s，支持的时间单位包括: d,h,min,s,ms等，默认为ms。 默认表示不使用该配置。 | | lookup.max-retries | 否 | 3 | Integer | 维表配置，数据拉取最大重试次数。 | | krb_auth_name | 否 | 无 | String | DLI侧创建的Kerberos类型的跨源认证名称。 [创建跨源认证](https://support.huaweicloud.com/usermanual-dli/dli_01_0558.html) | #### 数据类型映射 HBase以字节数组存储所有数据。在读和写过程中要序列化和反序列化数据。 Flink的HBase连接器利用HBase（Hadoop) 的工具类 org.apache.hadoop.hbase.util.Bytes 进行字节数组和 Flink 数据类型转换。 Flink的HBase连接器将所有数据类型（除字符串外）null 值编码成空字节。对于字符串类型，null 值的字面值由null-string-literal选项值决定。 表2数据类型映射表 | Flink 数据类型 | HBase 转换 | |:---|:---| | CHAR / VARCHAR / STRING | byte\[\] toBytes(String s) String toString(byte\[\] b) | | BOOLEAN | byte\[\] toBytes(boolean b) boolean toBoolean(byte\[\] b) | | BINARY / VARBINARY | 返回 byte\[\]。 | | DECIMAL | byte\[\] toBytes(BigDecimal v) BigDecimal toBigDecimal(byte\[\] b) | | TINYINT | new byte\[\] { val } bytes\[0\] // returns first and only byte from bytes | | SMALLINT | byte\[\] toBytes(short val) short toShort(byte\[\] bytes) | | INT | byte\[\] toBytes(int val) int toInt(byte\[\] bytes) | | BIGINT | byte\[\] toBytes(long val) long toLong(byte\[\] bytes) | | FLOAT | byte\[\] toBytes(float val) float toFloat(byte\[\] bytes) | | DOUBLE | byte\[\] toBytes(double val) double toDouble(byte\[\] bytes) | | DATE | 从 1970-01-01 00:00:00 UTC 开始的天数，int 值。 | | TIME | 从 1970-01-01 00:00:00 UTC 开始天的毫秒数，int 值。 | | TIMESTAMP | 从 1970-01-01 00:00:00 UTC 开始的毫秒数，long 值。 | | ARRAY | 不支持 | | MAP / MULTISET | 不支持 | | ROW | 不支持 | #### 示例 该示例是从DMS Kafka数据源中读取数据，将HBase表作为维表，从而生成宽表，并将结果写入到Kafka结果表中，其具体步骤如下（该示例中HBase的版本2.2.3）： 1. 参考[增强型跨源连接](https://support.huaweicloud.com/usermanual-dli/dli_01_0426.html)，在DLI上根据HBase和Kafka所在的虚拟私有云和子网分别创建相应的增强型跨源连接，并绑定所要使用的Flink弹性资源池。参考"[修改主机信息](https://support.huaweicloud.com/usermanual-dli/dli_01_0013.html)"章节描述，在增强型跨源中增加MRS的主机信息。 2. 设置HBase和Kafka的安全组，添加入向规则使其对Flink的队列网段放通。参考[测试地址连通性](https://support.huaweicloud.com/usermanual-dli/dli_01_0489.html)分别根据HBase和Kafka的地址测试队列连通性。如果能连通，则表示跨源已经绑定成功，否则表示未成功。 3. 参考[MRS HBase的使用](https://support.huaweicloud.com/cmpntguide-mrs/mrs_01_0368.html)，通过HBase shell在HBase中创建相应的表，表名为area_info，表中只有一个列族detail，创建语句如下： ``` create 'area_info', {NAME => 'detail'} ``` 4. 在HBase shell中执行下述语句，插入相应的维表数据： ``` put 'area_info', '330106', 'detail:area_province_name', 'a1' put 'area_info', '330106', 'detail:area_city_name', 'b1' put 'area_info', '330106', 'detail:area_county_name', 'c2' put 'area_info', '330106', 'detail:area_street_name', 'd2' put 'area_info', '330106', 'detail:region_name', 'e1' put 'area_info', '330110', 'detail:area_province_name', 'a1' put 'area_info', '330110', 'detail:area_city_name', 'b1' put 'area_info', '330110', 'detail:area_county_name', 'c4' put 'area_info', '330110', 'detail:area_street_name', 'd4' put 'area_info', '330110', 'detail:region_name', 'e1' ``` 5. 参考[创建Flink OpenSource作业](https://support.huaweicloud.com/usermanual-dli/dli_01_0498.html)，创建flink opensource sql作业，输入以下作业脚本，并提交运行。该作业脚本将Kafka作为数据源，HBase作为维表，将数据写入到Kafka作为结果表中。 注意：创建作业时，在作业编辑界面的"运行参数"处，"Flink版本"选择"1.15"，勾选"保存作业日志"并设置保存作业日志的OBS桶，方便后续查看作业日志。**如下脚本中的加粗参数请根据实际环境修改** 。 ``` CREATE TABLE orders ( order_id string, order_channel string, order_time string, pay_amount double, real_pay double, pay_time string, user_id string, user_name string, area_id string, proctime as Proctime() ) WITH ( 'connector' = 'kafka', 'topic' = 'KafkaSourceTopic', 'properties.bootstrap.servers' = 'KafkaAddress1:KafkaPort,KafkaAddress2:KafkaPort', 'properties.group.id' = 'GroupId', 'scan.startup.mode' = 'latest-offset', 'format' = 'json' ); --创建地址维表 create table area_info ( area_id string, detail row( area_province_name string, area_city_name string, area_county_name string, area_street_name string, region_name string) ) WITH ( 'connector' = 'hbase-2.2', 'table-name' = 'area_info', 'zookeeper.quorum' = 'ZookeeperAddress:ZookeeperPort', 'lookup.async' = 'true', 'lookup.cache.max-rows' = '10000', 'lookup.cache.ttl' = '2h' ); --根据地址维表生成详细的包含地址的订单信息宽表 create table order_detail( order_id string, order_channel string, order_time string, pay_amount double, real_pay double, pay_time string, user_id string, user_name string, area_id string, area_province_name string, area_city_name string, area_county_name string, area_street_name string, region_name string ) with ( 'connector' = 'kafka', 'topic' = '', 'properties.bootstrap.servers' = 'KafkaAddress1:KafkaPort,KafkaAddress2:KafkaPort', 'format' = 'json' ); insert into order_detail select orders.order_id, orders.order_channel, orders.order_time, orders.pay_amount, orders.real_pay, orders.pay_time, orders.user_id, orders.user_name, area.area_id, area.area_province_name, area.area_city_name, area.area_county_name, area.area_street_name, area.region_name from orders left join area_info for system_time as of orders.proctime as area on orders.area_id = area.area_id; ``` 6. 连接Kafka集群，向Kafka的source topic中插入如下测试数据： ``` {"order_id":"202103241000000001", "order_channel":"webShop", "order_time":"2021-03-24 10:00:00", "pay_amount":"100.00", "real_pay":"100.00", "pay_time":"2021-03-24 10:02:03", "user_id":"0001", "user_name":"Alice", "area_id":"330106"} {"order_id":"202103241606060001", "order_channel":"appShop", "order_time":"2021-03-24 16:06:06", "pay_amount":"200.00", "real_pay":"180.00", "pay_time":"2021-03-24 16:10:06", "user_id":"0001", "user_name":"Alice", "area_id":"330106"} {"order_id":"202103251202020001", "order_channel":"miniAppShop", "order_time":"2021-03-25 12:02:02", "pay_amount":"60.00", "real_pay":"60.00", "pay_time":"2021-03-25 12:03:00", "user_id":"0002", "user_name":"Bob", "area_id":"330110"} ``` 7. 连接Kafka集群，在Kafka的sink topic读取数据，结果数据参考如下： ``` {"order_id":"202103241000000001","order_channel":"webShop","order_time":"2021-03-24 10:00:00","pay_amount":100.0,"real_pay":100.0,"pay_time":"2021-03-24 10:02:03","user_id":"0001","user_name":"Alice","area_id":"330106","area_province_name":"a1","area_city_name":"b1","area_county_name":"c2","area_street_name":"d2","region_name":"e1"} {"order_id":"202103241606060001","order_channel":"appShop","order_time":"2021-03-24 16:06:06","pay_amount":200.0,"real_pay":180.0,"pay_time":"2021-03-24 16:10:06","user_id":"0001","user_name":"Alice","area_id":"330106","area_province_name":"a1","area_city_name":"b1","area_county_name":"c2","area_street_name":"d2","region_name":"e1"} {"order_id":"202103251202020001","order_channel":"miniAppShop","order_time":"2021-03-25 12:02:02","pay_amount":60.0,"real_pay":60.0,"pay_time":"2021-03-25 12:03:00","user_id":"0002","user_name":"Bob","area_id":"330110","area_province_name":"a1","area_city_name":"b1","area_county_name":"c4","area_street_name":"d4","region_name":"e1"} ``` #### 常见问题 Q：Flink作业日志中有如下报错信息应该怎么解决？ ``` org.apache.zookeeper.ClientCnxn$SessionTimeoutException: Client session timed out, have not heard from server in 90069ms for connection id 0x0 ``` A：可能是跨源连接未绑定或跨源绑定失败。参考[增强型跨源连接](https://support.huaweicloud.com/usermanual-dli/dli_01_0426.html)重新配置跨源，Kafka集群安全组放通DLI队列的网段地址。