摘要：通过建立GaussDB(DWS)与MRS的连接，支持数据仓库服务SQL on Hadoop，以外表方式实现Hive数据的快捷导入，满足大数据融合分析的应用场景。
本文分享自华为云社区《【云小课】EI第17课 大数据融合分析：GaussDB(DWS)轻松导入MRS-Hive数据源》，原文作者：Hi,EI 。
大数据融合分析时代，GaussDB(DWS)如需访问MRS数据源，该如何实现？本期云小课带您开启MRS数据源之门，通过远程读取MRS集群Hive上的ORC数据表完成数据导入DWS。
准备环境
已创建DWS集群，需确保MRS和DWS集群在同一个区域、可用区、同一VPC子网内，确保集群网络互通。
基本流程
本实践预计时长：1小时，基本流程如下：
1、创建MRS分析集群（选择Hive、Spark、Tez组件）。
2、通过将本地txt数据文件上传至OBS桶，再通过OBS桶导入Hive，并由txt存储表导入ORC存储表。
3、创建MRS数据源连接。
4、创建外部服务器。
5、创建外表。
6、通过外表导入DWS本地表。
一、创建MRS分析集群
1、登录华为云控制台，选择“EI企业智能 > MapReduce服务”，单击“购买集群”，选择“自定义购买”，填写软件配置参数，单击“下一步”。
2、填写硬件配置参数，单击“下一步”。
3、填写高级配置参数如下表，单击“立即购买”，等待约15分钟，集群创建成功。
二、准备MRS的ORC表数据源
1、本地PC新建一个product_info.txt，并拷贝以下数据，保存到本地。
100,XHDK-A-1293-#fJ3,2017-09-01,A,2017 Autumn New Shirt Women,red,M,328,2017-09-04,715,good 205,KDKE-B-9947-#kL5,2017-09-01,A,2017 Autumn New Knitwear Women,pink,L,584,2017-09-05,406,very good! 300,JODL-X-1937-#pV7,2017-09-01,A,2017 autumn new T-shirt men,red,XL,1245,2017-09-03,502,Bad. 310,QQPX-R-3956-#aD8,2017-09-02,B,2017 autumn new jacket women,red,L,411,2017-09-05,436,It's really super nice 150,ABEF-C-1820-#mC6,2017-09-03,B,2017 Autumn New Jeans Women,blue,M,1223,2017-09-06,1200,The seller's packaging is exquisite 200,BCQP-E-2365-#qE4,2017-09-04,B,2017 autumn new casual pants men,black,L,997,2017-09-10,301,The clothes are of good quality. 250,EABE-D-1476-#oB1,2017-09-10,A,2017 autumn new dress women,black,S,841,2017-09-15,299,Follow the store for a long time. 108,CDXK-F-1527-#pL2,2017-09-11,A,2017 autumn new dress women,red,M,85,2017-09-14,22,It's really amazing to buy 450,MMCE-H-4728-#nP9,2017-09-11,A,2017 autumn new jacket women,white,M,114,2017-09-14,22,Open the package and the clothes have no odor 260,OCDA-G-2817-#bD3,2017-09-12,B,2017 autumn new woolen coat women,red,L,2004,2017-09-15,826,Very favorite clothes 980,ZKDS-J-5490-#cW4,2017-09-13,B,2017 Autumn New Women's Cotton Clothing,red,M,112,2017-09-16,219,The clothes are small 98,FKQB-I-2564-#dA5,2017-09-15,B,2017 autumn new shoes men,green,M,4345,2017-09-18,5473,The clothes are thick and it's better this winter. 150,DMQY-K-6579-#eS6,2017-09-21,A,2017 autumn new underwear men,yellow,37,2840,2017-09-25,5831,This price is very cost effective 200,GKLW-l-2897-#wQ7,2017-09-22,A,2017 Autumn New Jeans Men,blue,39,5879,2017-09-25,7200,The clothes are very comfortable to wear 300,HWEC-L-2531-#xP8,2017-09-23,A,2017 autumn new shoes women,brown,M,403,2017-09-26,607,good 100,IQPD-M-3214-#yQ1,2017-09-24,B,2017 Autumn New Wide Leg Pants Women,black,M,3045,2017-09-27,5021,very good. 350,LPEC-N-4572-#zX2,2017-09-25,B,2017 Autumn New Underwear Women,red,M,239,2017-09-28,407,The seller's service is very good 110,NQAB-O-3768-#sM3,2017-09-26,B,2017 autumn new underwear women,red,S,6089,2017-09-29,7021,The color is very good 210,HWNB-P-7879-#tN4,2017-09-27,B,2017 autumn new underwear women,red,L,3201,2017-09-30,4059,I like it very much and the quality is good. 230,JKHU-Q-8865-#uO5,2017-09-29,C,2017 Autumn New Clothes with Chiffon Shirt,black,M,2056,2017-10-02,3842,very good
2、登录OBS控制台，单击“创建桶”，填写以下参数，单击“立即创建”。
3、等待桶创建好，单击桶名称，选择“对象 > 上传对象”，将product_info.txt上传至OBS桶。
4、切换回MRS控制台，单击创建好的MRS集群名称，进入“概览”，单击“IAM用户同步”所在行的“单击同步”，等待约5分钟同步完成。
5、回到MRS集群页面，单击“节点管理”，单击任意一台master节点，进入该节点页面，切换到“弹性公网IP”，单击“绑定弹性公网IP”，勾选已有弹性IP并单击“确定”，如果没有，请创建。记录此公网IP。
6、确认主master节点。
- 使用SSH工具以root用户登录以上节点，root密码为Huawei_12345，切换到omm用户。
- su - omm
- 执行以下命令查询主master节点，回显信息中“HAActive”参数值为“active”的节点为主master节点。
- sh ${BIGDATA_HOME}/om-0.0.1/sbin/status-oms.sh
7、使用root用户登录主master节点，切换到omm用户，并进入Hive客户端所在目录。
- su - omm
- cd /opt/client
8、在Hive上创建存储类型为TEXTFILE的表product_info。
- 在/opt/client路径下，导入环境变量。
- source bigdata_env
- 登录Hive客户端。
- beeline
- 依次执行以下SQL语句创建demo数据库及表product_info。
CREATE DATABASE demo; USE demo; DROP TABLE product_info; CREATE TABLE product_info ( product_price int not null, product_id char(30) not null, product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt int , product_comment_time date , product_comment_num int , product_comment_content varchar(200) ) row format delimited fields terminated by ',' stored as TEXTFILE
9、将product_info.txt数据文件导入Hive。
- 切回到MRS集群，单击“文件管理”，单击“导入数据”。
- OBS路径：选择上面创建好的OBS桶名，找到product_info.txt文件，单击“是”。
- HDFS路径：选择/user/hive/warehouse/demo.db/product_info/，单击“是”。
- 单击“确定”，等待导入成功，此时product_info的表数据已导入成功。
10、创建ORC表，并将数据导入ORC表。
- 执行以下SQL语句创建ORC表。
DROP TABLE product_info_orc; CREATE TABLE product_info_orc ( product_price int not null, product_id char(30) not null, product_time date , product_level char(10) , product_name varchar(200) , product_type1 varchar(20) , product_type2 char(10) , product_monthly_sales_cnt int , product_comment_time date , product_comment_num int , product_comment_content varchar(200) ) row format delimited fields terminated by ',' stored as orc;
- 将product_info表的数据插入到Hive ORC表product_info_orc中。
insert into product_info_orc select * from product_info;
- 查询ORC表数据导入成功。
select * from product_info_orc;
三、创建MRS数据源连接
- 登录DWS管理控制台，单击已创建好的DWS集群，确保DWS集群与MRS在同一个区域、可用分区，并且在同一VPC子网下。
- 切换到“MRS数据源”，单击“创建MRS数据源连接”。
- 选择前序步骤创建名为的“MRS01”数据源，用户名：admin，密码：Huawei@12345，单击“确定”，创建成功。
四、创建外部服务器
- （1）使用Data Studio连接已创建好的DWS集群。
- （2）新建一个具有创建数据库权限的用户dbuser：
CREATE USER dbuser WITH CREATEDB PASSWORD "Bigdata@123";
- （3）切换为新建的dbuser用户：
SET ROLE dbuser PASSWORD "Bigdata@123";
- （4）创建新的mydatabase数据库：
CREATE DATABASE mydatabase;
- （5）执行以下步骤切换为连接新建的mydatabase数据库。
- 在Data Studio客户端的“对象浏览器”窗口，右键单击数据库连接名称，在弹出菜单中单击“刷新”，刷新后就可以看到新建的数据库。
- 右键单击“mydatabase”数据库名称，在弹出菜单中单击“打开连接”。
- 右键单击“mydatabase”数据库名称，在弹出菜单中单击“打开新的终端”，即可打开连接到指定数据库的SQL命令窗口，后面的步骤，请全部在该命令窗口中执行。
- （6）为dbuser用户授予创建外部服务器的权限：
GRANT ALL ON FOREIGN DATA WRAPPER hdfs_fdw TO dbuser;
其中FOREIGN DATA WRAPPER的名字只能是hdfs_fdw，dbuser为创建SERVER的用户名。
- （7）执行以下命令赋予用户使用外表的权限。
ALTER USER dbuser USEFT;
- （8）切换回Postgres系统数据库，查询创建MRS数据源后系统自动创建的外部服务器。
SELECT * FROM pg_foreign_server;
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=192.168.1.245:9820,192.168.1.218:9820",hdfscfgpath=/MRS/8f79ada0-d998-4026-9020-80d6de2692ca,type=hdfs} (3 rows)
- （9）切换到mydatabase数据库，并切换到dbuser用户。
SET ROLE dbuser PASSWORD "Bigdata@123";
- （10）创建外部服务器。
SERVER名字、地址、配置路径保持与8一致即可。
CREATE SERVER hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca FOREIGN DATA WRAPPER HDFS_FDW OPTIONS ( address '192.168.1.245:9820,192.168.1.218:9820', //MRS管理面的Master主备节点的内网IP，可与DWS通讯。 hdfscfgpath '/MRS/8f79ada0-d998-4026-9020-80d6de2692ca', type 'hdfs' );
- （11）查看外部服务器。
SELECT * FROM pg_foreign_server WHERE srvname='hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca';
返回结果如下所示，表示已经创建成功：
srvname | srvowner | srvfdw | srvtype | srvversion | srvacl | srvoptions --------------------------------------------------+----------+--------+---------+------------+--------+--------------------------------------------------------------------------------------------------------------------- hdfs_server_8f79ada0_d998_4026_9020_80d6de2692ca | 16476 | 13685 | | | | {"address=192.168.1.245:9820,192.168.1.218:29820",hdfscfgpath=/MRS/8f79ada0-d998-4026-9020-80d6de2692ca,type=hdfs} (1 row)
五、创建外表
1、获取Hive的product_info_orc的文件路径。
- 登录MRS管理控制台。
- 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。
- 单击“文件管理”，选择“HDFS文件列表”。
- 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
2、创建外表。 SERVER名字填写10创建的外部服务器名称，foldername填写1查到的路径。
DROP FOREIGN TABLE IF EXISTS foreign_product_info; CREATE FOREIGN TABLE foreign_product_info ( product_price integer not null, product_id char(30) not null, 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;
六、执行数据导入
1、创建本地目标表。
DROP TABLE IF EXISTS product_info; CREATE TABLE product_info ( product_price integer not null, product_id char(30) not null, 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) ) with ( orientation = column, compression=middle ) DISTRIBUTE BY HASH (product_id);
2、从外表导入目标表。
INSERT INTO product_info SELECT * FROM foreign_product_info;
3、查询导入结果。
SELECT * FROM product_info;
那么，实践一下，教您快速上手数据仓库服务~
详情请戳这里了解。