我們知道，Cluster 是 Google Kubernetes Engine (簡稱GKE)的基礎，代表容器化應用程式的 Kubernetes 物件都在叢集之上執行。

Google Kubernetes Engine (GKE) 提供了一個託管環境，開發人員可以使用 Google 基礎架構在 GKE 中部署、管理和擴縮容器化應用。GKE 環境包括多個 Compute Engine 例項，這些例項組合在一起就形成了 Google Kubernetes Cluster.
![](https://img-blog.csdnimg.cn/img_convert/d3be3daa97bc13621bc30e191e62866a.png)

SAP HANA Expression 是 SAP HANA 的簡化版本，旨在在膝上型電腦和其他主機（包括雲託管的虛擬機器）上執行，當然也就支援在本文剛剛描述的 Google Kubernetes Cluster 上執行。這個版本除了支援 SAP HANA傳統的記憶體資料庫功能之外，還提供 bring-your-own-language 等多種技術棧，支援微服務、預測分析和機器學習演算法，以及用於構建洞察驅動應用程式的地理空間處理等特性。

![](https://img-blog.csdnimg.cn/img_convert/84cb63356e1f841a78354d8ece4a5dc7.png)

本文將詳細介紹如何在 Google Kubernetes Cluster 上部署並使用 HANA Expression Database Service.

# 在 Google Cloud Platform 上建立 Google Kubernetes Cluster 例項

登入 Google Cloud Platform 控制檯：

![](https://img-blog.csdnimg.cn/img_convert/66d95d06c495a0a59aae6d2054d22cf2.png)

點選控制檯左上角的 Hamburger 選單，建立一個新的 Kubernetes Cluster：
![](https://img-blog.csdnimg.cn/img_convert/90520bf2c520da3d3072de28b84ae898.png)

![](https://img-blog.csdnimg.cn/img_convert/3c7d61aae04a6d31d0d6d8da89e5b4cd.png)

維護 Cluster 的名稱，選擇恰當的版本，點選 Customize 進行定製化：
![](https://img-blog.csdnimg.cn/img_convert/efbbc30ca8f3578a12543f2d40db06ba.png)

為 Cluster 指定 CPU 和記憶體引數，選定 Ubuntu 作為作業系統。Cluster 的尺寸設定為 1.
![](https://img-blog.csdnimg.cn/img_convert/5038db4ce642439bdc4057946630813d.png)

Cluster 建立完併成功部署後，點選 Connect 按鈕進行連線。

![](https://img-blog.csdnimg.cn/img_convert/79430099eaa348f1e3df99d6e5f4fe64.png)

連線成功之後，就可以使用 Cloud Shell 操作叢集了：
![](https://img-blog.csdnimg.cn/img_convert/73719c21b0b46c00dc29fe3e653692de.png)

Cloud Shell 提供了命令列的方式同 Cluster 進行互動。

![](https://img-blog.csdnimg.cn/img_convert/94ac70c49da1c6b594febaf5338ac64d.png)

# 在 Google Kubernetes Cluster 上部署 HANA Expression Database Service

使用以下命令建立一個 `secret` 以獲取 Docker 映象：

`kubectl create secret docker-registry docker-secret --docker-server=https://index.docker.io/v1/ --docker-username=xxx --docker-password=yyyyyy --docker-email=jerry@gmail.com`

建立一個 yaml 格式的部署配置檔案(Deployment Configuration File), 另存成 `hxe.yaml` 檔案：

```yml
kind: ConfigMap
apiVersion: v1
metadata:
  creationTimestamp: 2022-06-25T19:14:38Z
  name: hxe-pass
data:
  password.json: |+
    {"master_password" : "JERRYHana1"}
---
kind: PersistentVolume
apiVersion: v1
metadata:
  name: persistent-vol-hxe
  labels:
    type: local
spec:
  storageClassName: manual
  capacity:
    storage: 150Gi
  accessModes:
    - ReadWriteOnce
  hostPath:
    path: "/data/hxe_pv"
---
kind: PersistentVolumeClaim
apiVersion: v1
metadata:
  name: hxe-pvc
spec:
  storageClassName: manual
  accessModes:
    - ReadWriteOnce
  resources:
    requests:
      storage: 50Gi
---
apiVersion: apps/v1
kind: Deployment
metadata:
  name: hxe
  labels:
    name: hxe
spec:
  selector:
    matchLabels:
      run: hxe
      app: hxe
      role: master
      tier: backend
  replicas: 1
  template:
    metadata:
      labels:
        run: hxe
        app: hxe
        role: master
        tier: backend
    spec:
      initContainers:
        - name: install
          image: busybox
          command: [ 'sh', '-c', 'chown 12000:79 /hana/mounts' ]
          volumeMounts:
            - name: hxe-data
              mountPath: /hana/mounts
      volumes:
        - name: hxe-data
          persistentVolumeClaim:
             claimName: hxe-pvc
        - name: hxe-config
          configMap:
             name: hxe-pass
      imagePullSecrets:
      - name: docker-secret
      containers:
      - name: hxe-container
        image: "store/saplabs/hanaexpress:2.00.030.00.20180403.2"
        ports:
          - containerPort: 39013
            name: port1
          - containerPort: 39015
            name: port2
          - containerPort: 39017
            name: port3
          - containerPort: 8090
            name: port4
          - containerPort: 39041
            name: port5
          - containerPort: 59013
            name: port6
        args: [ "--agree-to-sap-license", "--dont-check-system", "--passwords-url", "file:///hana/hxeconfig/password.json" ]
        volumeMounts:
          - name: hxe-data
            mountPath: /hana/mounts
          - name: hxe-config
            mountPath: /hana/hxeconfig
      - name: sqlpad-container
        image: "sqlpad/sqlpad"
        ports:
        - containerPort: 3000

---
apiVersion: v1
kind: Service
metadata:
  name: hxe-connect
  labels:
    app: hxe
spec:
  type: LoadBalancer
  ports:
  - port: 39013
    targetPort: 39013
    name: port1
  - port: 39015
    targetPort: 39015
    name: port2
  - port: 39017
    targetPort: 39017
    name: port3
  - port: 39041
    targetPort: 39041
    name: port5
  selector:
    app: hxe
---
apiVersion: v1
kind: Service
metadata:
  name: sqlpad
  labels:
    app: hxe
spec:
  type: LoadBalancer
  ports:
  - port: 3000
    targetPort: 3000
    protocol: TCP
    name: sqlpad
  selector:
    app: hxe
```

這個 yaml 檔案裡定義了一個 HANA Expression 的 Docker 映象：`store/saplabs/hanaexpress:2.00.030.00.20180403.2`

使用如下命令列將這個 Docker 映象部署到 Kubernetes Cluster 上：

- kubectl create -f hxe.yaml
- kubectl describe pods

等待部署成功結束：

![](https://img-blog.csdnimg.cn/img_convert/cebd3cd6bfefb89a072a5279936ea929.png)

執行命令列 `kubectl get pods`，確保 pod 狀態為 `Running`，然後進入 Pod 容器內部：

`kubectl exec -it <<pod-name>> bash`
![](https://img-blog.csdnimg.cn/img_convert/a84d26099336c2fc56e51008dd588283.png)

此時就可以使用 SQL 命令列，連線執行在 Pod 裡的 HANA Expression 例項了:

`hdbsql -i 90 -d systemdb -u SYSTEM -p HXEHana1`

給資料庫新增 `document store` 的支援：
`alter database HXE add 'docstore';`

從 SQLPAD service 獲得 external IP 地址：

`kubectl get services`

![](https://img-blog.csdnimg.cn/img_convert/34f18454015b5cb1605d1fa88a296c5a.png)

有了這個外部可以訪問的 IP 地址之後，訪問其 3000 埠，就可以在瀏覽器裡登入 SQLPAD 了：

![](https://img-blog.csdnimg.cn/img_convert/d5a24aafcfe95693b7c9f9266a53c850.png)

點選 Sign In，建立一個 Administration account.

![](https://img-blog.csdnimg.cn/img_convert/69f0d9b0ba7fede1e4454367fe9e94b6.png)

使用 Connections 選單，連線 HANA Expression 例項裡的資料庫表：
![](https://img-blog.csdnimg.cn/img_convert/3c51538888222a494c7c7944bdb325df.png)

從 `kubectl get services` 命令列結果列表裡找到 `hxe-connect`，抄下其 External IP 地址：

![](https://img-blog.csdnimg.cn/img_convert/a9cc86c4d9417697de02c7cc6b1b3f99.png)

新建一個資料庫連線，維護剛剛抄下來的 External IP 地址，資料庫使用者名稱和密碼，Tenant 等登入資訊：

![](https://img-blog.csdnimg.cn/img_convert/cb65bdf393de66cc0f052bf3286c36e3.png)

資料庫連線建立連線之後，就可以新建一個 Query，對其進行讀寫操作。

![](https://img-blog.csdnimg.cn/img_convert/7662b6d50e33b4f4b05951f41e90d5a1.png)

建立一個名叫 quotes 的 document store, 並插入一些測試資料：

```sql
create collection quotes;
--Create a collection for document store and insert JSON values
insert into quotes values ( { "FROM" : 'HOMER',   "QUOTE" :  'I want to share something with you: The three little sentences that will get you through life. Number 1: Cover for me. Number 2: Oh, good idea, Boss! Number 3: It wai like that when I got here.', "MOES_BAR" : 'Point(  -86.880306 36.508361 )', "QUOTE_ID" : 1  });
insert into quotes values ( { "FROM" : 'HOMER',   "QUOTE" :  'Wait a minute. Bart''s teacher is named Krabappel? Oh, I''ve been calling her Crandall. Why did not anyone tell me? Ohhh, I have been making an idiot out of myself!', "QUOTE_ID" : 2, "MOES_BAR" : 'Point( -87.182708 37.213414 )' });
insert into quotes values ( { "FROM" : 'HOMER',   "QUOTE" :  'Oh no! What have I done? I smashed open my little boy''s piggy bank, and for what? A few measly cents, not even enough to buy one beer. Weit a minute, lemme count and make sure…not even close.', "MOES_BAR" : 'Point( -122.400690 37.784366 )', "QUOTE_ID" : 3 });
```
建立一個 Column 表，開啟 Fuzzy Search 的支援：

```sql
create column table quote_analysis
(
	id integer,
	homer_quote text FAST PREPROCESS ON FUZZY SEARCH INDEX ON,
	lon_lat nvarchar(200)

);
```
將插入到 document store collection 的資料複製到上面的 Column 表裡：

```sql
insert into quote_analysis
with doc_store as (select quote_id, quote from quotes)
select doc_store.quote_id as id, doc_store.quote as homer_quote, 'Point( -122.676366 45.535889 )'
from doc_store;
```

查詢與 `wait` 相似度最低的詞：

```sql
select  id, score() as similarity , lon_lat, TO_VARCHAR(HOMER_QUOTE)
from quote_analysis
where contains(HOMER_QUOTE, 'wait', fuzzy(0.5,'textsearch=compare'))
order by similarity asc
```

# 總結

至此，我們完成了在 Google Kubernetes Cluster 裡操作 HANA Expression Database Service 的操作步驟。從整個過程不難感覺出，將包含 HANA Expression 的 Docker 映象部署在 Google Kubernetes Cluster 並執行在 Pod 內，實現了 HANA Expression 服務的開箱即用，從而避免了 On-Premises 部署模式下 HANA Expression 繁瑣的安裝和配置步驟。</pod-name>

在 Google Kubernetes Cluster 上使用 HANA Expression Database Service

相關文章