大数据物流项目:Kudu 的操作命令【五】

举报
Maynor学长 发表于 2022/06/21 20:54:47 2022/06/21
【摘要】 theme: smartblue持续创作,加速成长!这是我参与「掘金日新计划 · 6 月更文挑战」的第9天,点击查看活动详情 Logistics_Day04:Kudu 的操作命令 01-[复习]-上次课程内容回顾​ 主要讲解:Kudu 存储引擎,类似HBase数据库,属于HBase和HDFS折中产品,既能够随机数据读写,又支持批量数据加载分析。1、物流项目ETL流程 三大业务板块 1)、...

Logistics_Day04:Kudu 的操作命令

1615814395734

01-[复习]-上次课程内容回顾

​ 主要讲解:Kudu 存储引擎,类似HBase数据库,属于HBase和HDFS折中产品,既能够随机数据读写,又支持批量数据加载分析。

1、物流项目ETL流程
	三大业务板块
	1)、数据源Source,都是从Kafka消费交易业务数据
	2)、编写结构化流程序应用,消费数据Kafka数据,进行ETL存储到各个业务板块存储引擎,比如Kudu、ES3)、开发相关业务板块应用程序
		- 离线报表和即席查询:Kudu、SparkSQL及Impala和Hue
		- 实时大屏和数据服务接口:ClickHouse、NodeJS&Vue、SpringCloud
		- 快递物流信息检索:Es、SpringCloud
		
2、Kudu 框架概述
	为什么要使用Kudu,解决什么问题???
		业务数据需要离线批处理(比如每日统计报表,批量加载数据分析):HDFS Parquet
		随机数据读写(比如依据某个字段或主键查询相关数据):HBase
					|
		Kudu 诞生背景,小米、网易都在使用Kudu
	SQL on Hadoop 技术框架发展史
		Hive ->   HDFS\HBase   最早,最基础
		Impala -> HDFS\HBase  内存分析引擎
		Impala -> Kudu       快速存储之上快速分析
	Kudu是什么
	Kudu 架构
		数据模型:表、Tablet、副本(leader和follower,Raft协议,数据一致性)
		分区策略:Range(范围)、Hash(哈希)、多级分区
		列式存储:查询少量列时 IO 少,速度快;数据压缩比高
		整体架构:分布式架构,主从架构,主节点和从节点
			Master:老大,管理者,元数据管理,Client请求Kudu表数据时,首先找到是Master
				使用Raft协议,不需要依赖Zookeeper,奇数个节点,高可用性
			TabletServer:小弟,干活的,管理Tablet数据,尤其数据读写
	Kudu 安装部署
		采用CM部署安装Kudu集群(伪分布式),如果是分布式集群,注意集群中各个机器时间同步

1615814395734

Kudu Client API:三种方式
	- JavaClient、C++Client、PythonClient等API调用
	- 与Spark集成,使用RDD或DataFrame操作数据
		KuduContext
		SparkSession
	- 与Impala集成,提供SQL语句进行操作

02-[了解]-第6天:课程内容提纲

主要讲解:存储引擎Kudu,类似HBase数据库,由Cloudera公司开发,目的取代HDFS和HBase框架,

Kudu API使用
	1)、Java Client API使用
		DDL操作(创建表、删除表和修改表)
		DML操作(CRUD,增删改查)
		
	2)、与Spark集成
		提供与Spark集成库,直接调用API使用即可

Kudu提供三种方式,操作Kudu数据库,进行DDL操作和DML操作:

  • 1)、方式一:可通过Java client、C++ client、Python client操作Kudu表,要构建Client并编写应用程序;
  • 2)、方式二:可通过Impala的shell对Kudu表进行交互式的操作,因为Impala2.8及以上的版本已经集成了对Kudu的操作。
    • 直接定义Impala表数据存储在Kudu中,内部集成
  • 3)、方式三:通过Kudu-Spark包集成Kudu与Spark,并编写Spark应用程序来操作Kudu表
    • KuduContext,类似SparkContext,进行DDL操作和DML操作
    • SparkSession操作Kudu表数据,CRUD操作

无论是Java Client API使用,还是Kudu集成Spark使用,添加Maven 依赖:

<dependency>
  <groupId>org.apache.kudu</groupId>
  <artifactId>kudu-client</artifactId>
  <version>1.9.0-cdh6.2.1</version>
</dependency>

<dependency>
  <groupId>org.apache.kudu</groupId>
  <artifactId>kudu-spark_2.11</artifactId>
  <version>1.9.0-cdh6.2.1</version>
</dependency>

​ KUDU Client 在与服务端交互时,先从 Master Server 获取元数据信息,然后去 Tablet Server读写数据,如下图:

1612410080266

今日工程目录结构说明:

image-20210524084243810

03-[掌握]-Java 操作 Kudu之创建Maven Project

​ 首先使用Java Client API操作Kudu数据库,DDL操作(创建表、删除表及修改表)和DML操作(CRUD)。

创建Maven Project设置GAV如下图所示:

1612411674589

创建Maven Module模块,用于编写Java API 操作Kudu,模块GAV设置如下所示:

1612411802819

​ 构建Maven Project工程或Maven Module模块,POM文件添加依赖如下:

    <!-- 指定仓库位置,依次为aliyun、cloudera和jboss仓库 -->
    <repositories>
        <repository>
            <id>aliyun</id>
            <url>http://maven.aliyun.com/nexus/content/groups/public/</url>
        </repository>
        <repository>
            <id>cloudera</id>
            <url>https://repository.cloudera.com/artifactory/cloudera-repos/</url>
        </repository>
        <repository>
            <id>jboss</id>
            <url>http://repository.jboss.com/nexus/content/groups/public</url>
        </repository>
    </repositories>

    <!-- 版本属性 -->
    <properties>
        <maven.compiler.source>1.8</maven.compiler.source>
        <maven.compiler.target>1.8</maven.compiler.target>
        <kudu.version>1.9.0-cdh6.2.1</kudu.version>
        <junit.version>4.12</junit.version>
    </properties>

    <dependencies>
        <dependency>
            <groupId>org.apache.kudu</groupId>
            <artifactId>kudu-client</artifactId>
            <version>${kudu.version}</version>
        </dependency>

        <dependency>
            <groupId>org.apache.kudu</groupId>
            <artifactId>kudu-client-tools</artifactId>
            <version>${kudu.version}</version>
        </dependency>

        <dependency>
            <groupId>junit</groupId>
            <artifactId>junit</artifactId>
            <version>4.12</version>
        </dependency>

    </dependencies>

    <build>
        <plugins>
            <plugin>
                <groupId>org.apache.maven.plugins</groupId>
                <artifactId>maven-compiler-plugin</artifactId>
                <version>3.1</version>
                <configuration>
                    <source>1.8</source>
                    <target>1.8</target>
                </configuration>
            </plugin>
        </plugins>
    </build>

配置IDEA远程连接虚拟机,方便文件传输和远程命令行基本操作。

1615876822272

04-[掌握]-Java 操作 Kudu之创建KuduClient实例

​ 在使用Java Client API之前,首先包package创建完成,此外,使用Java Client API操作Kudu数据库,需要创建客户端实例对象:KuduClient对象。

1612412290745

首先创建KuduClient对象,并且在应用运行结束的时候,需要关闭Client,所以采用JUnit方式构建和关闭。

package cn.itcast.kudu.table;

import org.apache.kudu.client.KuduClient;
import org.apache.kudu.client.KuduException;
import org.junit.After;
import org.junit.Before;
import org.junit.Test;

/**
 * 基于Java API对Kudu进行CRUD操作,包含创建表及删除表的操作
 */
public class KuduTableDemo {

	// 定声明KuduClient实例对象
	private KuduClient kuduClient = null ;

	@Before
	public void init() {
		// KuduMaster地址信息
		String masterAddresses = "node2.itcast.cn:7051" ;
		// 初始化KuduClient实例对象
		kuduClient = new KuduClient.KuduClientBuilder(masterAddresses)
			// 设置对此Kudu进行操作时超时时间,默认值为30s
			.defaultOperationTimeoutMs(10000)
			.build();
	}
	
	@Test
	public void testKuduClient(){
		System.out.println(kuduClient);
	}

	@After
	public void close() throws KuduException {
		// 测试完成以后,关闭连接
		if(null != kuduClient) {
			kuduClient.close();
		}
	}

}

​ 在Kudu提供API中,尤其是Java Client API,构建对象时,比如KuduClient,往往使用建造者设计模式,首先创建Builder对象,设置相关属性,最后获取实例对象。

05-[掌握]-Java 操作 Kudu之创建表(Hash分区)

任务:==使用Java Client API在Kudu中创建表==。

1615877522545

create table itcast_users(
    id int,
    name string,
    age byte,
    primary key(id)
)
paritition by hash(id) partitions 3
stored as kudu ;

Kudu提供面向对象API,将创建表DDL语句,封装到类中,具体如下图所示:

  • 1)、Schema,里面存储表的所有列信息(列名称和列类型)
  • 2)、CreateTableOptions,封装表的分区策略,分区数目和副本数

1612420659082

创建测试方法,编写创建表的代码:

1615877820058

	/**
	 * 用于构建Kudu表中每列的字段信息Schema
	 *
	 * @param name 字段名称
	 * @param type 字段类型
	 * @param isKey 是否为Key
	 * @return ColumnSchema对象
	 */
	private ColumnSchema newColumnSchema(String name, Type type, boolean isKey) {
		// 创建ColumnSchemaBuilder实例对象
		ColumnSchema.ColumnSchemaBuilder column = new ColumnSchema.ColumnSchemaBuilder(name, type);
		// 设置是否为主键
		column.key(isKey) ;
		// 构建 ColumnSchema
		return column.build() ;
	}

	/**
	 * 创建Kudu中的表,表的结构如下所示:
	 create table itcast_users(
		 id int,
		 name string,
		 age byte,
		 primary key(id)
	 )
	 paritition by hash(id) partitions 3
	 stored as kudu ;
	 */
	@Test
	public void createKuduTable() throws KuduException {
		// a. 定义Schema信息,列名称和列类型
		List<ColumnSchema> columns = new ArrayList<>();
		columns.add(new ColumnSchema.ColumnSchemaBuilder("id", Type.INT32).key(true).build());
		columns.add(newColumnSchema("name", Type.STRING, false));
		columns.add(newColumnSchema("age", Type.INT8, false));
		Schema schema = new Schema(columns) ;

		// b. 设置表的属性
		CreateTableOptions options = new CreateTableOptions() ;
		// 设置分区策略
		options.addHashPartitions(Arrays.asList("id"), 3);
		// 设置副本数目
		options.setNumReplicas(1) ;

		// c. 传递参数,创建表
		/*
			public KuduTable createTable(String name, Schema schema, CreateTableOptions builder)
		 */
		KuduTable kuduTable = kuduClient.createTable("itcast_users", schema, options);
		System.out.println("Kudu Table ID = " + kuduTable.getTableId());
	}

06-[掌握]-Java 操作 Kudu之删除表

任务:==删除Kudu中表,先判断表是否存在。==

	/**
	 * 判断表是否存在,如果存在,将表删除
	 */
	@Test
	public void dropKuduTable() throws KuduException {
		// 判断表是否存在
		if(kuduClient.tableExists("itcast_users")){
			// 传递表的名称,进行删除
			kuduClient.deleteTable("itcast_users") ;
		}
	}

07-[掌握]-Java 操作 Kudu之插入数据

任务Task:==向Kudu表中插入数据,先插入单条数据,再批量插入。==

  • 1)、获取表的句柄:KuduTable,通过KuduClient获取
  • 2)、插入数据时,创建Insert对象,设置每行Row的值
  • 3)、当向Kudu表插入数据时,创建会话实例对象KuduSession类似PreparedStatement对象

1612421761460

编写代码,向Kudu表插入数据,步骤如下所示:

1615878818247

	/**
	 * 将数据插入到Kudu Table中: INSERT INTO (id, name, age) VALUES (1001, "zhangsan", 26)
	 */
	@Test
	public void insertKuduData() throws KuduException {
		// a. 获取操作表句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// b. 获取KuduSession实例对象
		KuduSession kuduSession = kuduClient.newSession();

		// c. 插入数据,获取Insert对象
		Insert insert = kuduTable.newInsert();
		// d. 获取Row对象
		PartialRow insertRow = insert.getRow();
		// 设置值
		insertRow.addInt("id", 1001);
		insertRow.addString("name", "itcast");
		insertRow.addByte("age", (byte)25);

		// e. 插入数据
		kuduSession.apply(insert);

		// f. 关闭连接
		kuduSession.close();
	}

上面编写代码,完成单条数据插入,接下来,批量插入数据,代码如下所示:

	/**
	 * 将数据插入到Kudu Table中: INSERT INTO (id, name, age) VALUES (1001, "zhangsan", 26)
	 */
	@Test
	public void insertKuduData() throws KuduException {
		// a. 获取操作表句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// b. 获取KuduSession实例对象
		KuduSession kuduSession = kuduClient.newSession();
		// 设置手动提交,刷新数据
		kuduSession.setFlushMode(SessionConfiguration.FlushMode.MANUAL_FLUSH);
		// 设置缓存数据量
		kuduSession.setMutationBufferSpace(1000);

		Random random = new Random();
		for(int index = 0; index < 100; index ++){
			// c. 插入数据,获取Insert对象
			Insert insert = kuduTable.newInsert();
			// d. 获取Row对象
			PartialRow insertRow = insert.getRow();
			// 设置值
			insertRow.addInt("id", 100 + index);
			insertRow.addString("name", "zhangsan-" + index);
			insertRow.addByte("age", (byte)(random.nextInt(10) + 21));

			// e. 插入数据
			kuduSession.apply(insert);
		}
		// 手动提交
		kuduSession.flush();

		// f. 关闭连接
		kuduSession.close();
	}

08-[掌握]-Java 操作 Kudu之全量查询数据

任务:==从Kudu表中查询数据,属于全量查询数据==。

从Kudu中查询数据与从Hbase查询数据代码类似,进行表的数据扫描Scanner

1615880361316

注意:从Kudu表加载数据时,思路与HBase不一样,从表的每个Tablet中扫描查询数据,放到迭代器中,最后将所有Tablet查询结果的迭代器放入迭代器中。

1612422739021

编写代码,从Kudu表全量加载数据,注意,遍历查询数据时,进行双层循环获取数据。

	/**
	 * 从Kudu表中全量加载数据
	 */
	@Test
	public void queryKuduData() throws KuduException {
		// 1. 获取表的句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// 2. 获取扫描器对象
		KuduScanner.KuduScannerBuilder scannerBuilder = kuduClient.newScannerBuilder(kuduTable);
		KuduScanner kuduScanner = scannerBuilder.build();

		// 3. 遍历获取的数据
		int index = 0 ;
		while (kuduScanner.hasMoreRows()){  // 判断是否还有表的Tablet数据为获取
			index += 1;
			System.out.println("tablet index = " + index);
			// 获取每个tablet中扫描的数据
			RowResultIterator rowResults = kuduScanner.nextRows();
			// 遍历每个Tablet中数据
			while (rowResults.hasNext()){
				RowResult rowResult = rowResults.next();
				System.out.println(
					"id = " + rowResult.getInt("id")
						+ ", name = " + rowResult.getString("name")
						+ ", age = " + rowResult.getByte("age")
				);
			}
		}
	}

09-[掌握]-Java 操作 Kudu之过滤查询数据

任务:在实际项目中,从Kudu加载数据,肯定有过滤条件,接下来实现,==如何进行过滤查询数据==。

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-n2ycpc4Q-1625969711968)(/img/1615880958773.png)]

使用KuduPlus实现上述过滤条件

1615881042484

分析思路:

  • 1)、功能一、选取字段,在Kudu中或者SQL语句中,称为project,投影,选择字段
  • 2)、功能二、过滤条件,在Kudu中或者SQL语句中,称为predicate,谓词,过滤条件
	/**
	 * 从Kudu表中全量加载数据
	 */
	@Test
	public void queryKuduData() throws KuduException {
		// 1. 获取表的句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// 2. 获取扫描器对象
		KuduScanner.KuduScannerBuilder scannerBuilder = kuduClient.newScannerBuilder(kuduTable);
		// TODO: 设置过滤条件
		/*
			查询id和age两个字段的值,年龄age小于25,id大于150
		 */
		// TODO: 查询id和age两个字段
		scannerBuilder.setProjectedColumnNames(Arrays.asList("id", "age"));
		// TODO: 年龄age小于25,id大于150
		scannerBuilder.addPredicate(
			KuduPredicate.newComparisonPredicate(
				newColumnSchema("id", Type.INT32, true),
				KuduPredicate.ComparisonOp.GREATER,
				150
			)
		);
		scannerBuilder.addPredicate(
			KuduPredicate.newComparisonPredicate(
				newColumnSchema("age", Type.INT8, false),
				KuduPredicate.ComparisonOp.LESS,
				(byte)25
			)
		);

		KuduScanner kuduScanner = scannerBuilder.build();

		// 3. 遍历获取的数据
		int index = 0 ;
		while (kuduScanner.hasMoreRows()){  // 判断是否还有表的Tablet数据为获取
			index += 1;
			System.out.println("tablet index = " + index);
			// 获取每个tablet中扫描的数据
			RowResultIterator rowResults = kuduScanner.nextRows();
			// 遍历每个Tablet中数据
			while (rowResults.hasNext()){
				RowResult rowResult = rowResults.next();
				System.out.println(
					"id = " + rowResult.getInt("id")
						+ ", age = " + rowResult.getByte("age")
				);
			}
		}
	}

10-[掌握]-Java 操作 Kudu之更新及删除数据

任务:==向Kudu表中数据进行更新和删除操作==,类似Insert插入数据时操作。

  • 1)、更新数据,只能根据主键更新数据

1615881765826

	/**
	 * 更新Kudu表中数据
	 */
	@Test
	public void updateKuduData() throws KuduException {
		// a. 获取操作表句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// b. 获取KuduSession实例对象
		KuduSession kuduSession = kuduClient.newSession();

		// c. 获取更新数据update对象
		Update newUpdate = kuduTable.newUpdate();
		// 获取Row对象
		PartialRow updateRow = newUpdate.getRow();
		// 设置更新的数据
		updateRow.addInt("id", 153);
		updateRow.addString("name", "张三疯");

		// e. 更新数据
		kuduSession.apply(newUpdate);

		// f. 关闭连接
		kuduSession.close();
	}

​ 在Kudu中,除了提供insert和update插入与更新方法外,开提供:upsert,表示当表中主键存在时,更新数据;不存在时,插入数据。实际项目中,建议使用upsert操作。

	/**
	 * 更新Kudu表中数据
	 */
	@Test
	public void upsertKuduData() throws KuduException {
		// a. 获取操作表句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// b. 获取KuduSession实例对象
		KuduSession kuduSession = kuduClient.newSession();

		// c. 获取更新数据update对象
		Upsert newUpsert = kuduTable.newUpsert();
		// 获取Row对象
		PartialRow upsertRow = newUpsert.getRow();
		// 设置更新的数据
		upsertRow.addInt("id", 253);
		upsertRow.addString("name", "张疯");
		upsertRow.addByte("age", (byte)50);

		// e. 更新数据
		kuduSession.apply(newUpsert);
		kuduSession.flush();

		// f. 关闭连接
		kuduSession.close();
	}

对Kudu表数据进行删除时,需要按照主键id删除。

	/**
	 * 删除Kudu表中数据
	 */
	@Test
	public void deleteKuduData() throws KuduException {
		// a. 获取操作表句柄
		KuduTable kuduTable = kuduClient.openTable("itcast_users");

		// b. 获取KuduSession实例对象
		KuduSession kuduSession = kuduClient.newSession();

		// c. 获取删除数据对象
		Delete newDelete = kuduTable.newDelete();
		// 获取Row对象
		PartialRow deleteRow = newDelete.getRow();
		// 设置主键
		deleteRow.addInt("id", 253);

		// e. 更新数据
		kuduSession.apply(newDelete);
		kuduSession.flush();

		// f. 关闭连接
		kuduSession.close();
	}
【版权声明】本文为华为云社区用户原创内容,转载时必须标注文章的来源(华为云社区)、文章链接、文章作者等基本信息, 否则作者和本社区有权追究责任。如果您发现本社区中有涉嫌抄袭的内容,欢迎发送邮件进行举报,并提供相关证据,一经查实,本社区将立刻删除涉嫌侵权内容,举报邮箱: cloudbbs@huaweicloud.com
  • 点赞
  • 收藏
  • 关注作者

评论(0

0/1000
抱歉,系统识别当前为高风险访问,暂不支持该操作

全部回复

上滑加载中

设置昵称

在此一键设置昵称,即可参与社区互动!

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。

*长度不超过10个汉字或20个英文字符,设置后3个月内不可修改。