Jak používat katalog Hive s Apache Flink® ve službě HDInsight v AKS

Článek
04/05/2024

Důležité

Tato funkce je aktuálně dostupná jako ukázková verze. Doplňkové podmínky použití pro Microsoft Azure Preview obsahují další právní podmínky, které se vztahují na funkce Azure, které jsou v beta verzi, ve verzi Preview nebo ještě nejsou vydány v obecné dostupnosti. Informace o této konkrétní verzi Preview najdete v tématu Azure HDInsight o službě AKS ve verzi Preview. Pokud máte dotazy nebo návrhy funkcí, odešlete prosím žádost na AskHDInsight s podrobnostmi a sledujte nás o dalších aktualizacích v komunitě Azure HDInsight.

V tomto příkladu se metastore Hive používá jako trvalý katalog s katalogem Hive Apache Flink. Tuto funkci používáme k ukládání tabulek Kafka a metadat tabulek MySQL na Flink napříč relacemi. Flink používá tabulku Kafka zaregistrovanou v katalogu Hive jako zdroj, provést určité výsledky vyhledávání a jímky do databáze MySQL.

Požadavky

Cluster Apache Flink ve službě HDInsight v AKS s metastorem Hive 3.1.2
Cluster Apache Kafka ve službě HDInsight
- Musíte zajistit, aby nastavení sítě bylo hotové, jak je popsáno v části Použití Kafka. To znamená, že hdInsight v AKS a clusterech HDInsight jsou ve stejné virtuální síti.
MySQL 8.0.33

Apache Hive v Apache Flinku

Flink nabízí dvounásobnou integraci s Hivem.

Prvním krokem je použití metastoru Hive (HMS) jako trvalého katalogu s HiveCatalogem Flinku pro ukládání metadat specifických pro Flink napříč relacemi.
- Uživatelé můžou například ukládat tabulky Kafka nebo ElasticSearch do metastoru Hive pomocí HiveCatalogu a později je znovu použít v dotazech SQL.
Druhou možností je nabídnout Flink jako alternativní modul pro čtení a zápis tabulek Hive.
HiveCatalog je navržený tak, aby byl "mimo krabici" kompatibilní s existujícími instalacemi Hive. Stávající metastore Hive nemusíte upravovat ani měnit umístění dat nebo dělení tabulek.

Další informace najdete v tématu Apache Hive.

Příprava prostředí

Vytvoření clusteru Apache Flink pomocí HMS

Umožňuje vytvořit cluster Apache Flink s HMS na webu Azure Portal, kde najdete podrobné pokyny k vytvoření clusteru Flink.

Po vytvoření clusteru zkontrolujte, jestli je HMS spuštěný nebo není na straně AKS.

Příprava tématu Kafka o transakcích objednávek uživatelů ve službě HDInsight

Pomocí následujícího příkazu stáhněte soubor JAR klienta Kafka:

wget https://archive.apache.org/dist/kafka/3.2.0/kafka_2.12-3.2.0.tgz

Odtápět soubor taru

tar -xvf kafka_2.12-3.2.0.tgz

Vygenerujte zprávy do tématu Kafka.

Další příkazy:

Poznámka:

Musíte nahradit bootstrap-server vlastním názvem hostitele nebo IP zprostředkovateli Kafka.

--- delete topic
./kafka-topics.sh --delete --topic user_orders --bootstrap-server wn0-contsk:9092

--- create topic
./kafka-topics.sh --create --replication-factor 2 --partitions 3 --topic user_orders  --bootstrap-server wn0-contsk:9092

--- produce topic
./kafka-console-producer.sh --bootstrap-server wn0-contsk:9092 --topic user_orders

--- consumer topic
./kafka-console-consumer.sh --bootstrap-server wn0-contsk:9092 --topic user_orders --from-beginning

Příprava hlavních dat objednávek uživatelů v MySQL v Azure

Testování databáze:

Příprava tabulky objednávek:

mysql> use mydb
Reading table information for completion of table and column names
You can turn off this feature to get a quicker startup with -A

mysql> CREATE TABLE orders (
  order_id INTEGER NOT NULL AUTO_INCREMENT PRIMARY KEY,
  order_date DATETIME NOT NULL,
  customer_id INTEGER NOT NULL,
  customer_name VARCHAR(255) NOT NULL,
  price DECIMAL(10, 5) NOT NULL,
  product_id INTEGER NOT NULL,
  order_status BOOLEAN NOT NULL
) AUTO_INCREMENT = 10001;


mysql> INSERT INTO orders
VALUES (default, '2023-07-16 10:08:22','0001', 'Jark', 50.00, 102, false),
       (default, '2023-07-16 10:11:09','0002', 'Sally', 15.00, 105, false),
       (default, '2023-07-16 10:11:09','000', 'Sally', 25.00, 105, false),
       (default, '2023-07-16 10:11:09','0004', 'Sally', 45.00, 105, false),
       (default, '2023-07-16 10:11:09','0005', 'Sally', 35.00, 105, false),
       (default, '2023-07-16 12:00:30','0006', 'Edward', 90.00, 106, false);

mysql> select * from orders;
+----------+---------------------+-------------+---------------+----------+------------+--------------+
| order_id | order_date          | customer_id | customer_name | price    | product_id | order_status |
+----------+---------------------+-------------+---------------+----------+------------+--------------+
|    10001 | 2023-07-16 10:08:22 |           1 | Jark          | 50.00000 |        102 |            0 |
|    10002 | 2023-07-16 10:11:09 |           2 | Sally         | 15.00000 |        105 |            0 |
|    10003 | 2023-07-16 10:11:09 |           3 | Sally         | 25.00000 |        105 |            0 |
|    10004 | 2023-07-16 10:11:09 |           4 | Sally         | 45.00000 |        105 |            0 |
|    10005 | 2023-07-16 10:11:09 |           5 | Sally         | 35.00000 |        105 |            0 |
|    10006 | 2023-07-16 12:00:30 |           6 | Edward        | 90.00000 |        106 |            0 |
+----------+---------------------+-------------+---------------+----------+------------+--------------+
6 rows in set (0.22 sec)

mysql> desc orders;
+---------------+---------------+------+-----+---------+----------------+
| Field         | Type          | Null | Key | Default | Extra          |
+---------------+---------------+------+-----+---------+----------------+
| order_id      | int           | NO   | PRI | NULL    | auto_increment |
| order_date    | datetime      | NO   |     | NULL    |                |
| customer_id   | int           | NO   |     | NULL    |                |
| customer_name | varchar(255)  | NO   |     | NULL    |                |
| price         | decimal(10,5) | NO   |     | NULL    |                |
| product_id    | int           | NO   |     | NULL    |                |
| order_status  | tinyint(1)    | NO   |     | NULL    |                |
+---------------+---------------+------+-----+---------+----------------+
7 rows in set (0.22 sec)

Stažení požadovaného konektoru Kafka s využitím SSH a souborů JAR služby MySQL Database

Poznámka:

Stáhněte si správný soubor JAR verze podle naší verze HDInsight Kafka a verze MySQL.

wget https://repo1.maven.org/maven2/org/apache/flink/flink-connector-jdbc/3.1.0-1.17/flink-connector-jdbc-3.1.0-1.17.jar
wget https://repo1.maven.org/maven2/com/mysql/mysql-connector-j/8.0.33/mysql-connector-j-8.0.33.jar
wget https://repo1.maven.org/maven2/org/apache/kafka/kafka-clients/3.2.0/kafka-clients-3.2.0.jar
wget https://repo1.maven.org/maven2/org/apache/flink/flink-connector-kafka/1.17.0/flink-connector-kafka-1.17.0.jar

Přesunutí plánovače jar

Přesuňte soubor jar flink-table-planner_2.12-1.17.0-... soubor jar umístěný v podu webssh /opt to /lib a přesuňte soubor jar flink-table-planner-loader1.17.0-.... jar /opt/flink-webssh/opt/ from /lib. Další podrobnosti najdete v tématu o problému . Pomocí následujících kroků přesuňte soubor JAR plánovače.

mv /opt/flink-webssh/lib/flink-table-planner-loader-1.17.0-*.*.*.*.jar /opt/flink-webssh/opt/
mv /opt/flink-webssh/opt/flink-table-planner_2.12-1.17.0-*.*.*.*.jar /opt/flink-webssh/lib/

Poznámka:

Přesunutí souboru JAR navíc je potřeba jenom v případě, že používáte dialekt Hive nebo koncový bod HiveServer2. Toto je ale doporučené nastavení pro integraci Hive.

Ověřování

Použití bin/sql-client.sh pro připojení k Flink SQL

bin/sql-client.sh -j flink-connector-jdbc-3.1.0-1.17.jar -j mysql-connector-j-8.0.33.jar -j kafka-clients-3.2.0.jar -j flink-connector-kafka-1.17.0.jar

Vytvoření katalogu Hive a připojení k katalogu Hive v Flink SQL

Poznámka:

Protože už používáme cluster Flink s metastorem Hive, není potřeba provádět žádné další konfigurace.

CREATE CATALOG myhive WITH (
    'type' = 'hive'
);

USE CATALOG myhive;

Vytvoření tabulky Kafka v Apache Flink SQL

CREATE TABLE kafka_user_orders (
  `user_id` BIGINT,
  `user_name` STRING,
  `user_email` STRING,
  `order_date` TIMESTAMP(3) METADATA FROM 'timestamp',
  `price` DECIMAL(10,5),
  `product_id` BIGINT,
  `order_status` BOOLEAN
) WITH (
    'connector' = 'kafka',  
    'topic' = 'user_orders',  
    'scan.startup.mode' = 'latest-offset',  
    'properties.bootstrap.servers' = '10.0.0.38:9092,10.0.0.39:9092,10.0.0.40:9092', 
    'format' = 'json' 
);

select * from kafka_user_orders;

Vytvoření tabulky MySQL v Apache Flink SQL

CREATE TABLE mysql_user_orders (
  `order_id` INT,
  `order_date` TIMESTAMP,
  `customer_id` INT,
  `customer_name` STRING,
  `price` DECIMAL(10,5),
  `product_id` INT,
  `order_status` BOOLEAN
) WITH (
  'connector' = 'jdbc',
  'url' = 'jdbc:mysql://<servername>.mysql.database.azure.com/mydb',
  'table-name' = 'orders',
  'username' = '<username>',
  'password' = '<password>'
);

select * from mysql_user_orders;

Kontrola tabulek registrovaných ve výše uvedeném katalogu Hive v Flink SQL

Informace o objednávce transakcí uživatele jímky do hlavní tabulky objednávek v MySQL v Flink SQL

INSERT INTO mysql_user_orders (order_date, customer_id, customer_name, price, product_id, order_status)
 SELECT order_date, CAST(user_id AS INT), user_name, price, CAST(product_id AS INT), order_status
 FROM kafka_user_orders;

Kontrola, jestli jsou data objednávek transakcí uživatelů v systému Kafka přidaná v pořadí hlavních tabulek v MySQL v Azure Cloud Shellu

Vytvoření tří dalších uživatelských objednávek v systému Kafka

sshuser@hn0-contsk:~$ /usr/hdp/current/kafka-broker/bin/kafka-console-producer.sh --bootstrap-server wn0-contsk:9092 --topic user_orders
>{"user_id": null,"user_name": "Lucy","user_email": "user8@example.com","order_date": "07/17/2023 21:33:44","price": "90.00000","product_id": "102","order_status": false}
>{"user_id": "0009","user_name": "Zark","user_email": "user9@example.com","order_date": "07/17/2023 21:52:07","price": "80.00000","product_id": "103","order_status": true}
>{"user_id": "0010","user_name": "Alex","user_email": "user10@example.com","order_date": "07/17/2023 21:52:07","price": "70.00000","product_id": "104","order_status": true}

Kontrola dat tabulky Kafka v Flink SQL

Flink SQL> select * from kafka_user_orders;

Vložení `product_id=104` do tabulky objednávek v MySQL v Flink SQL

INSERT INTO mysql_user_orders (order_date, customer_id, customer_name, price, product_id, order_status)
SELECT order_date, CAST(user_id AS INT), user_name, price, CAST(product_id AS INT), order_status
FROM kafka_user_orders where product_id = 104;

Kontrola `product_id = 104` přidání záznamu v tabulce objednávek v MySQL v Azure Cloud Shellu

Reference

Apache Hive
Názvy apache, Apache Hive, Hive, Apache Flink, Flink a přidružených opensourcových projektů jsou ochranné známky Apache Software Foundation (ASF).

Share via

Jak používat katalog Hive s Apache Flink® ve službě HDInsight v AKS

Požadavky

Apache Hive v Apache Flinku

Příprava prostředí

Vytvoření clusteru Apache Flink pomocí HMS

Příprava tématu Kafka o transakcích objednávek uživatelů ve službě HDInsight

Příprava hlavních dat objednávek uživatelů v MySQL v Azure

Stažení požadovaného konektoru Kafka s využitím SSH a souborů JAR služby MySQL Database

Ověřování

Použití bin/sql-client.sh pro připojení k Flink SQL

Vytvoření katalogu Hive a připojení k katalogu Hive v Flink SQL

Vytvoření tabulky Kafka v Apache Flink SQL

Vytvoření tabulky MySQL v Apache Flink SQL

Kontrola tabulek registrovaných ve výše uvedeném katalogu Hive v Flink SQL

Informace o objednávce transakcí uživatele jímky do hlavní tabulky objednávek v MySQL v Flink SQL

Kontrola, jestli jsou data objednávek transakcí uživatelů v systému Kafka přidaná v pořadí hlavních tabulek v MySQL v Azure Cloud Shellu

Vytvoření tří dalších uživatelských objednávek v systému Kafka

Kontrola dat tabulky Kafka v Flink SQL

Vložení `product_id=104` do tabulky objednávek v MySQL v Flink SQL

Kontrola `product_id = 104` přidání záznamu v tabulce objednávek v MySQL v Azure Cloud Shellu

Reference

Další materiály

Share via

Jak používat katalog Hive s Apache Flink® ve službě HDInsight v AKS

Požadavky

Apache Hive v Apache Flinku

Příprava prostředí

Vytvoření clusteru Apache Flink pomocí HMS

Příprava tématu Kafka o transakcích objednávek uživatelů ve službě HDInsight

Příprava hlavních dat objednávek uživatelů v MySQL v Azure

Stažení požadovaného konektoru Kafka s využitím SSH a souborů JAR služby MySQL Database

Ověřování

Použití bin/sql-client.sh pro připojení k Flink SQL

Vytvoření katalogu Hive a připojení k katalogu Hive v Flink SQL

Vytvoření tabulky Kafka v Apache Flink SQL

Vytvoření tabulky MySQL v Apache Flink SQL

Kontrola tabulek registrovaných ve výše uvedeném katalogu Hive v Flink SQL

Informace o objednávce transakcí uživatele jímky do hlavní tabulky objednávek v MySQL v Flink SQL

Kontrola, jestli jsou data objednávek transakcí uživatelů v systému Kafka přidaná v pořadí hlavních tabulek v MySQL v Azure Cloud Shellu

Vytvoření tří dalších uživatelských objednávek v systému Kafka

Kontrola dat tabulky Kafka v Flink SQL

Vložení product_id=104 do tabulky objednávek v MySQL v Flink SQL

Kontrola product_id = 104 přidání záznamu v tabulce objednávek v MySQL v Azure Cloud Shellu

Reference

Další materiály

Vložení `product_id=104` do tabulky objednávek v MySQL v Flink SQL

Kontrola `product_id = 104` přidání záznamu v tabulce objednávek v MySQL v Azure Cloud Shellu