配置LakeFormation对接DLI集群

注意事项

创建数据目录、数据库和表时，默认具备权限控制，需要对其他用户授权后，其他用户才可查看该用户新建的数据目录、数据库和表。

创建数据目录

DLI管理控制台默认提供DLI数据目录，您还可以按照本节操作在DLI管理控制台创建到LakeFormation Catalog的连接，创建完成后即可在DLI管理控制台的数据目录下显示LakeFormation Catalog。

1. 在DLI创建到LakeFormation Catalog的连接前，请先确保在LakeFormation管理控制台已创建数据目录。
   1. 登录LakeFormation管理控制台。
   2. 选择“元数据 > Catalog”。
   3. 单击“创建Catalog”。

      按需配置Catalog实例参数。

      更多参数配置及说明，请参考创建Catalog。

   4. 创建完成后，即可在“Catalog”页面查看Catalog相关信息。

      DLI仅支持对接LakeFormation默认实例，请在LakeFormation设置实例为默认实例。

2. 在DLI管理控制台创建数据目录

   在DLI管理控制台需要创建到LakeFormation Catalog的连接，才可以在DLI提交作业时访问LakeFormation实例中存储的Catalog。

   DLI管理控制台有三个页面支持创建数据目录连接，创建后的数据目录连接均可在SQL编辑器的数据目录页签下可见。

   • 在SQL编辑器的“数据目录”页签单击，即可创建到LakeFormation Catalog的连接。
   • Flink作业的编辑页面，在“数据目录名称”后单击，即可创建到LakeFormation Catalog的连接。（仅Flink 1.17及以上版本支持配置数据目录。）
   • Spark作业的编辑页面，在“数据目录名称”后单击，即可创建到LakeFormation Catalog的连接。（仅Spark 3.3.1版本支持配置数据目录。）
   

   LakeFormation中每一个数据目录只能创建一个映射，不能创建多个。

   例如用户在DLI创建了映射名catalogMapping1对应LakeFormation数据目录catalogA。创建成功后，在同一个项目空间下，不能再创建到catalogA的映射。

   以在SQL编辑器的“数据目录”创建数据目录连接为例：

   1. 登录DLI管理控制台。
   2. 选择“SQL编辑器 ”。
   3. 在SQL编辑器页面，选择“数据目录”。
   4. 单击创建数据目录。
   5. 配置数据目录相关信息。

      表1 数据目录配置信息

      参数名称	是否必填	说明
      外部数据目录名称	是	LakeFormation默认实例下的Catalog名称。
      类型	是	当前只支持LakeFormation。 该选项已固定，无需填写。
      数据目录映射名称	是	在DLI使用的Catalog映射名，用户在执行SQL语句的时候需要指定Catalog映射，以此来标识访问的外部的元数据。建议与外部数据目录名称保持一致。 当前仅支持连接LakeFormation默认实例的数据目录。
      描述	否	自定义数据目录的描述信息。

   6. 单击“确定”创建数据目录。
   7. 创建完成后，数据目录列表会显示数据目录的连接状态：
      • 闪烁的代表创建中。
      • 代表已创建完成，数据目录连接已激活。
      • 创建失败。建议删除当前数据连接后重新添加数据目录。

创建数据库

1. 创建数据库的入口有两个，分别在“数据管理”和“SQL编辑器”页面。
   • 在“数据管理”页面创建数据库。
     1. 在管理控制台左侧，单击“数据管理”>“库表管理”。
     2. 在库表管理页面右上角，单击“创建数据库”可创建数据库。
   • 在“SQL编辑器”页面创建数据库。
     1. 在管理控制台左侧，单击“SQL编辑器”。
     2. 在左侧导航栏单击“数据库”页签右侧可创建数据库。

2. 在“创建数据库”页面，参见表2输入数据库名称和描述信息。
   图1 库表管理-创建数据库
   

   表2 参数说明

   参数名称	描述
   数据库名称	数据库名称只能包含数字、英文字母和下划线，但不能是纯数字，且不能以下划线开头。 数据库名称大小写不敏感且不能为空。 输入长度不能超过128个字符。 说明： “default”为内置数据库，不能创建名为“default”的数据库。
   企业项目	如果所建队列属于企业项目，可选择对应的企业项目。 企业项目是一种云资源管理方式，企业项目管理服务提供统一的云资源按项目管理，以及项目内的资源管理、成员管理。 关于如何设置企业项目请参考《企业管理用户指南》。 说明： 只有开通了企业管理服务的用户才显示该参数。
   描述	该数据库的描述。
   标签	使用标签标识云资源。包括标签键和标签值。如果您需要使用同一标签标识多种云资源，即所有服务均可在标签输入框下拉选择同一标签，建议在标签管理服务（TMS）中创建预定义标签。 如您的组织已经设定DLI的相关标签策略，则需按照标签策略规则为资源添加标签。标签如果不符合标签策略的规则，则可能会导致资源创建失败，请联系组织管理员了解标签策略详情。 具体请参考《标签管理服务用户指南》。 说明： 最多支持20个标签。 一个“键”只能添加一个“值”。 每个资源中的键名不能重复。 标签键：在输入框中输入标签键名称。 说明： 标签的键的最大长度为128个字符，标签的键可以包含任意语种字母、数字、空格和_ . : +-@ ,但首尾不能含有空格，不能以_sys_开头。 标签值：在输入框中输入标签值。 说明： 标签值的最大长度为255个字符，标签的值可以包含任意语种字母、数字、空格和_ . : +-@ 。

3. 单击“确定”，完成数据库创建。

   数据库创建成功后，您可以在“库表管理”页面或者“SQL编辑器”页面查看和选择使用对应的数据库。

创建表

创建表前，请确保已创建数据库。

1. 创建表的入口有两个，分别在“数据管理”和“SQL编辑器”页面。
   

   此处创建表的方式不支持创建View，HBase（CloudTable/MRS）表、OpenTSDB（CloudTable/MRS）表、DWS表、RDS表和CSS表等跨源连接表。可通过SQL方式创建View和跨源连接表，具体请参考《数据湖探索SQL语法参考》。

   • 在“数据管理”页面创建表。
     1. 在管理控制台左侧，单击“数据管理”>“库表管理”。
     2. 在库表管理页面中，选择需要建表的数据库。在其“操作”栏中，单击“更多”>“创建表”，可创建当前数据库下的表。
   • 在“SQL编辑器”页面创建表。
     1. 在管理控制台左侧，单击“SQL编辑器”。
     2. 在“SQL编辑器”页面的左侧导航栏单击“数据库”页签。有两种方式创建表。
        • 鼠标左键单击数据库名，进入“表”区域，单击右侧，创建当前数据库下的表。
        • 鼠标左键单击对应数据库右侧的，在列表菜单中选择“创建表”，创建当前数据库下的表。

2. 在“创建表”页面，填写参数。
   • 当数据位置为DLI时，请参见表3填写相关参数；
     图2 创建表-DLI
     
   • 当数据位置为OBS时，请参见表3和表4填写相关参数。

     当OBS的目录下有同名文件夹和文件时，创建OBS表指向该路径会优先指向文件而非文件夹。

     图3 创建表-OBS
     

     表3 通用参数说明

     参数名称	描述	示例
     表名称	表名称只能包含数字、英文字母和下划线，但不能是纯数字，且不能以下划线开头。 表名称大小写不敏感且不能为空。 表名称支持包含“$”符号。例如：$test。 输入长度不能超过128个字符。	table01
     数据位置	数据存储位置，当前支持DLI和OBS。	DLI
     描述	该表的描述。	-
     列类型	选择为“普通列”或“分区列”。	普通列
     列名称	表的列名。列名应至少包含一个字母，并允许下划线（_），但不支持纯数字。 可选择“普通列”或“分区列”。“分区列”是分区表专用的，对用户数据进行分区，可提高查询效率。 说明： 列名不区分大小写，不能相同。	name
     数据类型	与“列名”对应，表示该列的数据类型。 字符串（string）：字符串类型。 有符号整数（int）：存储空间为4字节。 日期类型（date）：所表示日期的范围为0000-01-01 to 9999-12-31。 双精度浮点型（double）：存储空间为8字节。 布尔类型（boolean）：存储空间为1字节。 固定有效位数和小数位数的数据类型（decimal）：有效位数为1~38之间的正整数，包含1和38；小数位数为小于10的整数。 有符号整数（smallint/short）：存储空间为2字节。 有符号整数（bigint/long）：存储空间为8字节。 时间戳（timestamp）：表示日期和时间，可达到小数点后6位。 单精度浮点型（float）：存储空间为4字节。 有符号整数（tinyint）：存储空间为1字节。仅OBS表支持。	string
     列描述	该列的描述。	-
     操作	增加列 删除列 说明： 当列数较多时，建议您使用SQL语句创建表，或直接从本地Excel导入列信息。	-

     表4 数据位置为OBS的参数说明

     参数名称	描述	示例
     数据格式	支持以下数据格式。 Parquet：DLI支持读取不压缩、snappy压缩、gzip压缩的parquet数据。 CSV：DLI支持读取不压缩、gzip压缩的csv数据。 ORC：DLI支持读取不压缩、snappy压缩的orc数据。 JSON：DLI支持读取不压缩、gzip压缩的json数据。 Avro：DLI支持读取不压缩的avro数据。	CSV
     存储路径	输入或选择OBS路径。路径同时支持文件和文件夹： 创建OBS表时指定的路径必须是文件夹，如果建表路径是文件，后续将不支持导入数据。 当OBS的目录下有同名文件夹和文件时，数据导入指向该路径会优先指向文件而非文件夹。	obs://obs1/sampledata.csv
     表头:无/有	当“数据格式”为“CSV”时，该参数有效。设置导入数据源是否含表头。 选中“高级选项”，勾选“表头:无”前的方框，“表头:无”显示为“表头:有”，表示有表头；取消勾选即为“表头:无”，表示无表头。	-
     自定义分隔符	当“数据格式”为“CSV”，并在自定义分隔符前的方框打勾时，该参数有效。 选中高级选项，支持选择如下分隔符。 逗号(,) 竖线(|) 制表符(\t) 其他：输入自定义分隔符	逗号(,)
     自定义引用字符	当“数据格式”为“CSV”，并在自定义引用字符前的方框打勾时，该参数有效。 选中高级选项，支持选择如下引用字符。 单引号(') 双引号(") 其他：输入自定义引用字符	单引号(')
     自定义转义字符	当“数据格式”为“CSV”，并在自定义转义字符前的方框打勾时，该参数有效。 选中高级选项，支持选择如下转义字符。 反斜杠(\) 其他：输入自定义转义字符	反斜杠(\)
     日期格式	当“数据格式”为“CSV”和“JSON”时此参数有效。 选中“高级选项”，该参数表示表中日期的格式，默认格式为“yyyy-MM-dd”。日期格式字符定义详见加载数据中的“表3 日期及时间模式字符定义”。	2000-01-01
     时间戳格式	当“数据格式”为“CSV”和“JSON”时此参数有效。 选中“高级选项”，该参数表示表中时间戳的格式，默认格式为“yyyy-MM-dd HH:mm:ss”。时间戳格式字符定义详见加载数据中的“表3 日期及时间模式字符定义”。	2000-01-01 09:00:00

3. 单击“确定”，完成表创建。

   表创建成功后，您可以在“表管理”页面或者“SQL编辑器”页面查看和选择使用对应的表。

相关操作

表创建完成后，您可以选择向该表导入其他OBS桶中的数据。

导入数据请参考将OBS数据导入至DLI的表。