實戰kudu集成impala

来源:https://www.cnblogs.com/Javame/archive/2020/01/21/12222662.html
-Advertisement-
Play Games

推薦閱讀： 論主數據的重要性（正確理解元數據、數據元） CDC+ETL實現數據集成方案 Java實現impala操作kudu 實戰kudu集成impala impala基本介紹 impala是cloudera提供的一款高效率的sql查詢工具，提供實時的查詢效果，官方測試性能比hive快10到100倍 ...


推薦閱讀：

論主數據的重要性（正確理解元數據、數據元）

CDC+ETL實現數據集成方案

Java實現impala操作kudu

實戰kudu集成impala

impala基本介紹

​        impala是基於hive的大數據分析查詢引擎，直接使用hive的元資料庫metadata，意味著impala元數據都存儲在hive的metastore當中，並且impala相容hive的絕大多數sql語法。所以需要安裝impala的話，必須先安裝hive，保證hive安裝成功，並且還需要啟動hive的metastore服務

 

　　impala是cloudera提供的一款高效率的sql查詢工具，提供實時的查詢效果，官方測試性能比hive快10到100倍，其sql查詢比sparkSQL還要更加快速，號稱是當前大數據領域最快的查詢sql工具，

　　impala是參照谷歌的新三篇論文（Caffeine--網路搜索引擎、Pregel--分散式圖計算、Dremel--互動式分析工具）當中的Dremel實現而來，其中舊三篇論文分別是（BigTable，GFS，MapReduce）分別對應我們即將學的HBase和已經學過的HDFS以及MapReduce。

　　impala是基於hive並使用記憶體進行計算，兼顧數據倉庫，具有實時，批處理，多併發等優點

　　Kudu與Apache Impala （孵化）緊密集成，impala天然就支持相容kudu，允許開發人員使用Impala的SQL語法從Kudu的tablets 插入，查詢，更新和刪除數據；

impala的優點

1、 impala比較快，非常快，特別快，因為所有的計算都可以放入記憶體當中進行完成，只要你記憶體足夠大

2、 擯棄了MR的計算，改用C++來實現，有針對性的硬體優化

3、 具有數據倉庫的特性，對hive的原有數據做數據分析

4、支持ODBC，jdbc遠程訪問

impala的缺點

1、基於記憶體計算，對記憶體依賴性較大

2、改用C++編寫，意味著維護難度增大

3、基於hive，與hive共存亡，緊耦合

4、穩定性不如hive，不存在數據丟失的情況

 impala的架構以及查詢計劃

 

  • Impalad
    • 基本是每個DataNode上都會啟動一個Impalad進程，Impalad主要扮演兩個角色：
      • Coordinator：
        • 負責接收客戶端發來的查詢，解析查詢，構建查詢計劃
        • 把查詢子任務分發給很多Executor，收集Executor返回的結果，組合後返回給客戶端
        • 對於客戶端發送來的DDL，提交給Catalogd處理
      • Executor：
        • 執行查詢子任務，將子任務結果返回給Coordinator
  • Catalogd
    • 整個集群只有一個Catalogd，負責所有元數據的更新和獲取
  • StateStored
    • 整個集群只有一個Statestored，作為集群的訂閱中心，負責集群不同組件的信息同步
    • 跟蹤集群中的Impalad的健康狀態及位置信息，由statestored進程表示，它通過創建多個線程來處理Impalad的註冊訂閱和與各Impalad保持心跳連接，各Impalad都會緩存一份State Store中的信息，當State Store離線後（Impalad發現State Store處於離線時，會進入recovery模式，反覆註冊，當State Store重新加入集群後，自動恢復正常，更新緩存數據）因為Impalad有State Store的緩存仍然可以工作，但會因為有些Impalad失效了，而已緩存數據無法更新，導致把執行計劃分配給了失效的Impalad，導致查詢失敗。

 

使用impala操作kudu整合

1、需要先啟動hdfs、hive、kudu、impala

2、使用impala的shell控制台

  • 執行命令impala-shell

(1):使用該impala-shell命令啟動Impala Shell 。預設情況下，impala-shell 嘗試連接到localhost埠21000 上的Impala守護程式。要連接到其他主機，請使用該-i <host:port>選項。要自動連接到特定的Impala資料庫，請使用該-d <database>選項。例如，如果您的所有Kudu表都位於資料庫中的Impala中impala_kudu，則-d impala_kudu可以使用此資料庫。
(2)：要退出Impala Shell，請使用以下命令： quit;

創建kudu表

內部表由Impala管理，當您從Impala中刪除時，數據和表確實被刪除。當您使用Impala創建新表時，它通常是內部表。

  • 使用impala創建內部表： 
    CREATE TABLE my_first_table
(
id BIGINT,
name STRING,
PRIMARY KEY(id)
)
PARTITION BY HASH PARTITIONS 16
STORED AS KUDU
TBLPROPERTIES (
'kudu.master_addresses' = 'node1:7051,node2:7051,node3:7051',
'kudu.table_name' = 'my_first_table'
);

    在 CREATETABLE 語句中，必須首先列出構成主鍵的列。

  • 此時創建的表是內部表，從impala刪除表的時候，在底層存儲的kudu也會刪除表。
  • drop table if exists my_first_table；

外部表

外部表（創建者CREATE EXTERNAL TABLE）不受Impala管理，並且刪除此表不會將表從其源位置（此處為Kudu）丟棄。相反，它只會去除Impala和Kudu之間的映射。這是Kudu提供的用於將現有表映射到Impala的語法。

使用java創建一個kudu表：

public class CreateTable {

private static ColumnSchema newColumn(String name, Type type, boolean iskey) {

ColumnSchema.ColumnSchemaBuilder column = new

ColumnSchema.ColumnSchemaBuilder(name, type);

column.key(iskey);

return column.build();

}

public static void main(String[] args) throws KuduException {

// master地址

final String masteraddr = "node1,node2,node3";

// 創建kudu的資料庫鏈接

KuduClient client = new

KuduClient.KuduClientBuilder(masteraddr).defaultSocketReadTimeoutMs(6000).build();

 

// 設置表的schema

List<ColumnSchema> columns = new LinkedList<ColumnSchema>();

columns.add(newColumn("CompanyId", Type.INT32, true));

columns.add(newColumn("WorkId", Type.INT32, false));

columns.add(newColumn("Name", Type.STRING, false));

columns.add(newColumn("Gender", Type.STRING, false));

columns.add(newColumn("Photo", Type.STRING, false));

Schema schema = new Schema(columns);

//創建表時提供的所有選項

CreateTableOptions options = new CreateTableOptions();

 

// 設置表的replica備份和分區規則

List<String> parcols = new LinkedList<String>();

 

parcols.add("CompanyId");

//設置表的備份數

options.setNumReplicas(1);

//設置range分區

options.setRangePartitionColumns(parcols);

 

//設置hash分區和數量

options.addHashPartitions(parcols, 3);

try {

client.createTable("person", schema, options);

} catch (KuduException e) {

e.printStackTrace();

}

client.close();

}

}

在kudu的頁面上可以觀察到如下信息：

 

 在impala的命令行查看表:

 

 

當前在impala中並沒有person這個表

使用impala創建外部表 ， 將kudu的表映射到impala上：

在impala-shell執行

CREATE EXTERNAL TABLE `person` STORED AS KUDU
TBLPROPERTIES(
'kudu.table_name' = 'person',
'kudu.master_addresses' = 'node1:7051,node2:7051,node3:7051')

 

 

使用impala對kudu進行DML操作

將數據插入 Kudu 表

impala 允許使用標準 SQL 語句將數據插入 Kudu 

插入單個值

創建表

CREATE TABLE my_first_table
(
id BIGINT,
name STRING,
PRIMARY KEY(id)
)
PARTITION BY HASH PARTITIONS 16
STORED AS KUDU;

此示例插入單個行

INSERT INTO my_first_table VALUES (50, "zhangsan");

查看數據

select * from my_first_table

 

 使用單個語句插入三行

INSERT INTO my_first_table VALUES (1, "john"), (2, "jane"), (3, "jim");

 

 批量插入Batch Insert

從 Impala 和 Kudu 的角度來看，通常表現最好的方法通常是使用 Impala 中的 SELECT FROM 語句導入數據
INSERT INTO my_first_table
SELECT * FROM temp1;

更新數據

UPDATE my_first_table SET name="xiaowang" where id =1 ;

刪除數據

delete from my_first_table where id =2;

 

 

更改表屬性

開發人員可以通過更改表的屬性來更改 Impala 與給定 Kudu 表相關的元數據。這些屬性包括表名， Kudu 主地址列表，以及表是否由 Impala （內部）或外部管理。

Rename an Impala Mapping Table ( 重命名 Impala 映射表 )

ALTER TABLE PERSON RENAME TO person_temp;

Rename the underlying Kudu table for an internal table ( 重新命名內部表的基礎 Kudu 表 )

創建內部表：

CREATE TABLE kudu_student
(
CompanyId INT,
WorkId INT,
Name STRING,
Gender STRING,
Photo STRING,
PRIMARY KEY(CompanyId)
)
PARTITION BY HASH PARTITIONS 16
STORED AS KUDU
TBLPROPERTIES (
'kudu.master_addresses' = 'node1:7051,node2:7051,node3:7051',
'kudu.table_name' = 'student'
);

如果表是內部表，則可以通過更改 kudu.table_name 屬性重命名底層的 Kudu 表

ALTER TABLE kudu_student SET TBLPROPERTIES('kudu.table_name' = 'new_student');

 

 

Remapping an external table to a different Kudu table ( 將外部表重新映射到不同的 Kudu 表 )

如果用戶在使用過程中發現其他應用程式重新命名了kudu表，那麼此時的外部表需要重新映射到kudu上

創建一個外部表：

CREATE EXTERNAL TABLE external_table
STORED AS KUDU
TBLPROPERTIES (
'kudu.master_addresses' = 'node1:7051,node2:7051,node3:7051',
'kudu.table_name' = 'person'
);

重新映射外部表，指向不同的kudu表：

ALTER TABLE external_table
SET TBLPROPERTIES('kudu.table_name' = 'hashTable')

上面的操作是：將external_table映射的PERSON表重新指向hashTable表

Change the Kudu Master Address ( 更改 Kudu Master 地址 )

ALTER TABLE my_table

SET TBLPROPERTIES('kudu.master_addresses' = 'kudu-new-master.example.com:7051');

Change an Internally-Managed Table to External ( 將內部管理的表更改為外部 )

ALTER TABLE my_table SET TBLPROPERTIES('EXTERNAL' = 'TRUE');

 


您的分享是我們最大的動力!

-Advertisement-
Play Games
更多相關文章
  • 在 ASP.NET Core 程式啟動前運行你的代碼
    一、前言 在進行 Web 項目開發的過程中，可能會存在一些需要經常訪問的靜態數據，針對這種在程式運行過程中可能幾乎不會發生變化的數據，我們可以嘗試在程式運行前寫入到緩存中，這樣在系統後續使用時就可以直接從緩存中進行獲取，從而減緩因為頻繁讀取這些靜態數據造成的應用資料庫伺服器的巨大承載壓力。 既然需要 ...
  • 如何利用Serilog的RequestLogging來精簡ASP.NET Core的日誌輸出
    這是該系列的第一篇文章：在ASP.NET Core 3.0中使用Serilog.AspNetCore。 1. 第1部分 使用 來簡化ASP.NET Core的日誌輸出（本篇文章） 2. 第2部分 使用Serilog記錄所選的端點名稱[敬請期待] 3. 第3部分 使用Serilog.AspNetCor ...
  • [apue] 一個查看當前終端標誌位設置的小工具
    話不多說，先看運行效果： >./term input flag 0x00000500 BRKINT not in ICRNL IGNBRK not in IGNCR not in IGNPAR not in IMAXBEL not in INLCR not in INPCK not in ISTRI ...
  • 三星正在改善1Gb MRAM壽命問題
    據報道三星已經成功研發出有望替代嵌入式快閃記憶體存儲器（eFlash）的嵌入式磁阻隨機訪問記憶體（eMRAM），容量為1Gb，測試晶元的優良率已達90%。 隨著5G物聯網時代的來臨，存儲器領域發展快速，而在這一領域，韓系廠商擁有著比較明顯的優勢。 MRAM晶元是一種以電阻為存儲方式結合非易失性及隨機訪問兩種 ...
  • Exchange Server 2016 本地部署安裝流程
    思路：一臺Server 2016用作AD+DNS，一臺Server 2016用作Exchange Server 2016 Exchange Server 2016 CU14 安裝路徑：安裝路徑：https://www.microsoft.com/en-us/download/details.aspx ...
  • KVM管理工具 WebVirtMgr
    WEB管理工具 WebVirtMgr WebVirtMgr是一個基於libvirt的Web界面，用於管理虛擬機。它允許您創建和配置新域，並調整域的資源分配。VNC查看器為來賓域提供完整的圖形控制台。KVM是目前唯一支持的虛擬機管理程式。 基礎環境 hosts免密登錄 kvm所用的所有伺服器都需要互相 ...
  • LINUX系統(CentOS7安裝)一之JDK8的安裝
    JDK 的安裝系統安裝就不做過多介紹，大家從網上尋找安裝步驟進行安裝，不過我推薦大家進行安裝時選擇桌面圖形化格式進行安裝，方便做一部分操作，同時在安裝過程中選擇英文模式，同時我自己在安裝的過程中發現使用Oracle VM VirtualBox這個虛擬機工具比使用VM工具開發更加方便些 使用工具 系統 ...
  • net start MySQL57 MySQL57 服務正在啟動 . MySQL57 服務無法啟動。
    造成這種情況的原因有很多，如果直接百度錯誤信息的話，不一定能很快解決問題，所以，出現這種情況，我們可以使用 mysqld console 命令來查看報錯信息，然後根據報錯信息來百度，這樣就很快定位到問題所在。看到以下截圖，我的問題是 Please make sure that directory e ...
一周排行
    -Advertisement-
    Play Games
  • UOS 開啟 VisualStudio 遠程調試 .NET 應用之旅
    前言 在我們開發過程中基本上不可或缺的用到一些敏感機密數據，比如SQL伺服器的連接串或者是OAuth2的Secret等，這些敏感數據在代碼中是不太安全的，我們不應該在源代碼中存儲密碼和其他的敏感數據，一種推薦的方式是通過Asp.Net Core的機密管理器。 機密管理器 在 ASP.NET Core ...
  • C# - 能否讓 SortedSet.RemoveWhere 內傳入的委托非同步執行
    新改進提供的Taurus Rpc 功能，可以簡化微服務間的調用，同時可以不用再手動輸出模塊名稱，或調用路徑，包括負載均衡，這一切，由框架實現並提供了。新的Taurus Rpc 功能，將使得服務間的調用，更加輕鬆、簡約、高效。 ...
  • 順序棧的介面程式
    順序棧的介面程式 目錄順序棧的介面程式頭文件創建順序棧入棧出棧利用棧將10進位轉16進位數驗證 頭文件 #include <stdio.h> #include <stdbool.h> #include <stdlib.h> 創建順序棧 // 指的是順序棧中的元素的數據類型，用戶可以根據需要進行修改 ...
  • mORMot2 獲取數據集1
    前言 整理這個官方翻譯的系列，原因是網上大部分的 tomcat 版本比較舊，此版本為 v11 最新的版本。 開源項目 從零手寫實現 tomcat minicat 別稱【嗅虎】心有猛虎，輕嗅薔薇。 系列文章 web server apache tomcat11-01-官方文檔入門介紹 web serv ...
  • 萬字長文總結與剖析C語言關鍵字 -- <<C語言深度解剖>>
    C總結與剖析:關鍵字篇 -- <<C語言深度解剖>> 目錄C總結與剖析:關鍵字篇 -- <<C語言深度解剖>>程式的本質:二進位文件變數1.變數:記憶體上的某個位置開闢的空間2.變數的初始化3.為什麼要有變數4.局部變數與全局變數5.變數的大小由類型決定6.任何一個變數,記憶體賦值都是從低地址開始往高地 ...
  • 【Flink入門修煉】2-3 Flink Checkpoint 原理機制
    如果讓你來做一個有狀態流式應用的故障恢復，你會如何來做呢？ 單機和多機會遇到什麼不同的問題？ Flink Checkpoint 是做什麼用的？原理是什麼？ ...
  • C++ 多級繼承與多重繼承：代碼組織與靈活性的平衡
    C++ 多級繼承 多級繼承是一種面向對象編程（OOP）特性，允許一個類從多個基類繼承屬性和方法。它使代碼更易於組織和維護，並促進代碼重用。 多級繼承的語法 在 C++ 中，使用 : 符號來指定繼承關係。多級繼承的語法如下： class DerivedClass : public BaseClass1 ...
  • 圖文結合手把手教你創建SpringCloud項目
    前言 什麼是SpringCloud？ Spring Cloud 是一系列框架的有序集合，它利用 Spring Boot 的開發便利性簡化了分散式系統的開發，比如服務註冊、服務發現、網關、路由、鏈路追蹤等。Spring Cloud 並不是重覆造輪子，而是將市面上開發得比較好的模塊集成進去，進行封裝，從 ...
  • 類模板的常見用法
    class_template 類模板和函數模板的定義和使用類似，我們已經進行了介紹。有時，有兩個或多個類，其功能是相同的，僅僅是數據類型不同。類模板用於實現類所需數據的類型參數化 template<class NameType, class AgeType> class Person { publi ...
  • system-v IPC共用記憶體通信
    目錄system v IPC簡介共用記憶體需要用到的函數介面shmget函數--獲取對象IDshmat函數--獲得映射空間shmctl函數--釋放資源共用記憶體實現思路註意 system v IPC簡介 消息隊列、共用記憶體和信號量統稱為system v IPC(進程間通信機制)，V是羅馬數字5，是UNI ...
所有分類