詳解 Flink Catalog 在 ChunJun 中的實踐之路

數棧DTinsight發表於2023-04-07

我們知道 Flink 有Table(表)、View(檢視)、Function(函式/運算元)、Database(資料庫)的概念,相對於這些耳熟能詳的概念,Flink 裡還有一個 Catalog(目錄) 的概念。

本文將為大家帶來 Flink Catalog 的介紹以及 Flink Catalog 在 ChunJun 中的實踐之路。

Flink Catalog 簡介

Catalog 提供後設資料,如資料庫、表、分割槽、檢視,以及訪問儲存在資料庫或其他外部系統中的資料所需的函式和資訊。

Flink Catalog 作用

資料處理中最關鍵的一個方面是管理後設資料:

· 可能是暫時性的後設資料,如臨時表,或針對表環境註冊的 UDFs;

· 或者是永/久性的後設資料,比如 Hive 元儲存中的後設資料。

Catalog 提供了一個統一的 API 來管理後設資料,並使其可以從表 API 和 SQL 查詢語句中來訪問。

Catalog 使使用者能夠引用他們資料系統中的現有後設資料,並自動將它們對映到 Flink 的相應後設資料。例如,Flink 可以將 JDBC 表自動對映到 Flink 表,使用者不必在 Flink 中手動重寫 DDL。Catalog 大大簡化了使用者現有系統開始使用 Flink 所需的步驟,並增強了使用者體驗。

Flink Catalog 的結構

● Flink Catalog 原生結構

• GenericInMemoryCatalog:基於記憶體實現的 Catalog

• Jdbc Catalog:可以將 Flink 透過 JDBC 協議連線到關聯式資料庫,目前 Flink 在1.12和1.13中有不同的實現,包括 MySql Catalog 和 Postgres Catalog

• Hive Catalog:作為原生 Flink 後設資料的持久化儲存,以及作為讀寫現有 Hive 後設資料的介面

● Flink Iceberg Catalog

● Flink Hudi Catalog

HoodieCatalog、HoodieHiveCatalog

file file

Flink Catalog 詳解

GenericInMemoryCatalog

final CatalogManager catalogManager =
        CatalogManager.newBuilder()
                .classLoader(userClassLoader)
                .config(tableConfig)
                .defaultCatalog(
                        settings.getBuiltInCatalogName(),
                        new GenericInMemoryCatalog(
                                settings.getBuiltInCatalogName(),
                                settings.getBuiltInDatabaseName()))
                .build();
defaultCatalog =
                    new GenericInMemoryCatalog(
                            defaultCatalogName, settings.getBuiltInDatabaseName());
CatalogManager catalogManager =
                builder.defaultCatalog(defaultCatalogName, defaultCatalog).build();

GenericInMemoryCatalog 所有的資料都儲存在 HashMap 裡面,無法持久化。

JDBC Catalog

CREATE CATALOG my_catalog WITH(
    'type' = 'jdbc',
    'default-database' = '...',
    'username' = '...',
    'password' = '...',
    'base-url' = '...'
);
USE CATALOG my_catalog;

如果建立並使用 Postgres Catalog 或 MySQL Catalog,請配置 JDBC 聯結器和相應的驅動。

JDBC Catalog 支援以下引數:

• name:必填,Catalog 的名稱

• default-database:必填,預設要連線的資料庫

• username:必填,Postgres/MySQL 賬戶的使用者名稱

• password:必填,賬戶的密碼

• base-url: 必填,(不應該包含資料庫名)

對於 Postgres Catalog base-url 應為 "jdbc:postgresql://:" 的格式

對於 MySQL Catalog base-url 應為 "jdbc:mysql://:" 的格式

Hive Catalog

CREATE CATALOG myhive WITH (
    'type' = 'hive',
    'default-database' = 'mydatabase',
    'hive-conf-dir' = '/opt/hive-conf'
);
-- set the HiveCatalog as the current catalog of the session
USE CATALOG myhive;

file

Iceberg Catalog

● Hive Catalog 管理 Iceberg 表

(Flink) default_database.flink_table -> 
(Iceberg) default_database.flink_table
CREATE TABLE flink_table (
    id   BIGINT,
    data STRING
) WITH (
    'connector'='iceberg',
    'catalog-name'='hive_prod',
    'uri'='thrift://localhost:9083',
    'warehouse'='hdfs://nn:8020/path/to/warehouse'
);
(Flink)default_database.flink_table -> 
(Iceberg) hive_db.hive_iceberg_table
CREATE TABLE flink_table (
    id   BIGINT,
    data STRING
) WITH (
    'connector'='iceberg',
    'catalog-name'='hive_prod',
    'catalog-database'='hive_db',
    'catalog-table'='hive_iceberg_table',
    'uri'='thrift://localhost:9083',
    'warehouse'='hdfs://nn:8020/path/to/warehouse'
);

● Hadoop Catalog 管理 Iceberg 表

CREATE TABLE flink_table (
    id   BIGINT,
    data STRING
) WITH (
    'connector'='iceberg',
    'catalog-name'='hadoop_prod',
    'catalog-type'='hadoop',
    'warehouse'='hdfs://nn:8020/path/to/warehouse'
);

● 自定義 Catalog 管理 Iceberg 表

CREATE TABLE flink_table (
    id   BIGINT,
    data STRING
) WITH (
    'connector'='iceberg',
    'catalog-name'='custom_prod',
    'catalog-impl'='com.my.custom.CatalogImpl',
     -- More table properties for the customized catalog
    'my-additional-catalog-config'='my-value',
     ...
);

• connector:iceberg

• catalog-name:使用者指定的目錄名稱,這是必須的,因為聯結器沒有任何預設值

• catalog-type:內建目錄的 hive 或 hadoop(預設為hive),或者對於使用 catalog-impl 的自定義目錄實現,不做設定

• catalog-impl:自定義目錄實現的全限定類名,如果 catalog-type 沒有被設定,則必須被設定,更多細節請參見自定義目錄

• catalog-database: 後臺目錄中的 iceberg 資料庫名稱,預設使用當前的 Flink 資料庫名稱

• catalog-table: 後臺目錄中的冰山表名,預設使用 Flink CREATE TABLE 句子中的表名

Hudi Catalog

create catalog hudi with(
 'type' = 'hudi',
 'mode' = 'hms',
  'hive.conf.dir'='/etc/hive/conf'
);
--- 建立資料庫供hudi使用
create database hudi.hudidb;
--- order表
CREATE TABLE hudi.hudidb.orders_hudi(
  uuid INT,
  ts INT,
  num INT,
  PRIMARY KEY(uuid) NOT ENFORCED
) WITH (
  'connector' = 'hudi',
  'table.type' = 'MERGE_ON_READ'
);
select * from hudi.hudidb.orders_hudi;

file file

Flink Catalog 在 ChunJun 中的實踐

下面將為大家介紹本文的重頭戲,Flink Catalog 在 ChunJun 中的實踐之路。

直接引入開源 Catalog

ChunJun 目前的所有 Catalog 為以下四種:

file

● Hive Catalog 需要的依賴

file

● Iceberg Catalog 需要的依賴

file

● JDBC Catalog

JDBC 因為 Flink 1.12 和 1.13 API 有變化,因此需要涉及原始碼的改動,改動一些 API 後,從原始碼引入。

● DT Catalog

結合內部業務,自定義的一種 Catalog ,下文將會進行詳細介紹。

DT Catalog -儲存後設資料表設計

● 建立 mysql 後設資料表 database_info

-- 建立表的 sql
create table database_info
(
    `id`            bigint PRIMARY KEY NOT NULL AUTO_INCREMENT COMMENT '專案ID',-- database id
    `catalog_name`  varchar(255) COMMENT 'catalog 名字',
    `database_name` varchar(255) COMMENT 'database 名字',
    `catalog_type`  varchar(30) COMMENT 'catalog 型別, eg: mysql,oracle...',
    `project_id`    int(11)            NOT NULL COMMENT '專案ID',
    `tenant_id`     int(11)            NOT NULL COMMENT '租戶ID'
) ENGINE = InnoDB
  DEFAULT CHARSET = utf8;
-- 建立索引
CREATE INDEX idx_catalog_name_database_name_project_id_tenant_id ON database_info (`catalog_name`, `database_name`, `project_id`, `tenant_id`);

● 建立 mysql 後設資料表 table_info

-- 建立表的 sql
create table table_info
(
    `id`            bigint PRIMARY KEY NOT NULL AUTO_INCREMENT,
    `database_id`    bigint COMMENT 'database_info 表的 id',
    `table_name`  varchar(255) COMMENT '表名',
    `project_id`    int(11)            NOT NULL COMMENT '專案ID',
    `tenant_id`     int(11)            NOT NULL COMMENT '租戶ID'
) ENGINE = InnoDB
  DEFAULT CHARSET = utf8;
-- 建立索引
CREATE INDEX idx_catalog_id_project_id_tenant_id ON table_info (`database_id`, `project_id`, `tenant_id`);
CREATE INDEX idx_database_id_table_name_project_id_tenant_id ON table_info (`database_id`, `table_name`, `project_id`, `tenant_id`);

● 建立 mysql 後設資料表 properties_info

create table properties_info
(
    `id`       bigint PRIMARY KEY NOT NULL AUTO_INCREMENT ,
    `table_id` bigint(20) COMMENT 'table_info 表的 id',
    `key`      varchar(255) COMMENT '表的屬性 key',
    `value`    varchar(255) COMMENT '表的屬性 value'
) ENGINE = InnoDB
  DEFAULT CHARSET = utf8;
CREATE INDEX idx_table_id ON properties_info (table_id);

● properties_info 裡面存了什麼?

schema.0.name=id,
  schema.0.data-type=INT NOT NULL,
  schema.1.name=name,
  schema.1.data-type=VARCHAR(2147483647)
  schema.2.name=age,
  schema.2.data-type=BIGINT,
  schema.primary-key.name=PK_3386,
  schema.primary-key.columns=id,
  connector=jdbc,
  url=jdbc:mysql: //172.16.83.218:3306/wujuan?useSSL=false,
  username=drpeco,
  password=DT@Stack#123,
  comment=,
  scan.auto-commit=true,
  lookup.cache.max-rows=20000,
  scan.fetch-size=10,
  lookup.cache.ttl=700000
  table-name=t2,

使用 DT Catalog

● 建立 DT Catalog

CREATE CATALOG catalog1
WITH (
    'type' = 'dt',
    'default-database' = 'default_database',
    'driver' = 'com.mysql.cj.jdbc.Driver',
    'url' = 'jdbc:mysql://xxx:3306/catalog_default',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123',
    'project-id' = '1',
    'tenant-id' = '1'
  );

file

● 建立 Database

DROP DATABASE [IF EXISTS] [catalog_name.]db_name [ (RESTRICT | CASCADE) ]
Drop a database with the given database name. If the database to drop does not exist, an exception is thrown.
IF EXISTS
If the database does not exist, nothing happens.
RESTRICT
Dropping a non-empty database triggers an exception. Enabled by default.
CASCADE
Dropping a non-empty database also drops all associated tables and functions.
create database if not exists catalog1.database1
drop database if exists catalog1.database1 
-- 刪除非空資料庫,連通資料庫中的所有表也一起刪除
drop database if exists catalog1.database1 CASCADE

● 建立 Table

1)Rename Table

ALTER TABLE [catalog_name.][db_name.]table_name RENAME TO new_table_name
Rename the given table name to another new table name

2)Set or Alter Table Properties

ALTER TABLE [catalog_name.][db_name.]table_name SET (key1=val1, key2=val2, ...) 
Set one or more properties in the specified table. If a particular property is already set in the table, override the old value with the new one.
-- 建立表
CREATE TABLE if not exists catalog1.default_database.table1
(
    id      int,
    name    string,
    age     bigint,
    primary key ( id) not enforced
) with (
    'connector' = 'jdbc',
    'url' = 'jdbc:mysql://172.16.83.218:3306/wujuan?useSSL=false',
    'table-name' = 't2',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123'
);
-- 刪除表
drop table if exists mysql_catalog2.wujuan_database2.wujuan_table
-- 重新命名錶名
ALTER TABLE catalog1.default_database.table1 RENAME TO table2;
-- 設定表屬性
ALTER TABLE catalog1.default_database.table1 
SET (
'tablename'='t2',
'url'='dbc:mysql://172.16.83.218:3306/wujuan?useSSL=false'
)

使用 DTCatalog 的具體場景和實現原理

● 全部是 DDL,只有 Catalog 的建立

· 可以執行,但是沒有意義,ChunJun 不會儲存 Catalog 資訊,只有平臺儲存;

· 不支援語法校驗。

CREATE CATALOG catalog1
WITH (
    'type' = 'DT',
    'default-database' = 'default_database',
    'driver' = 'com.mysql.cj.jdbc.Driver',
    'url' = 'jdbc:mysql://172.16.100.186:3306/catalog_default?autoReconnect=true&failOverReadOnly=false',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123',
    'project-id' = '1',
    'tenant-id' = '1'
  );

● 全部是 DDL,包含 Catalog、Database、Table 的建立

· 無論建立資料庫、表,刪除資料庫、表,必須包含 create catalog 語句;

· 可以執行,可以建立資料庫和表;

· 不支援語法校驗。

-- 初始化 Catalog
CREATE CATALOG catalog1
WITH (
    'type' = 'dt',
    'default-database' = 'default_database',
    'driver' = 'com.mysql.cj.jdbc.Driver',
    'url' = 'jdbc:mysql://172.16.100.186:3306/catalog_default',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123',
    'project-id' = '1',
    'tenant-id' = '1'
  );
-- 建立資料庫
create database if not exists database1
-- 建立表
CREATE TABLE if not exists catalog1.default_database.table1
(
    id      int,
    name    string,
    age     bigint,
    primary key ( id) not enforced
) with (
    'connector' = 'jdbc',
    'url' = 'jdbc:mysql://172.16.83.218:3306/wujuan?useSSL=false',
    'table-name' = 't2',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123'
);
// 丟擲異常的邏輯
StatementSet statementSet = SqlParser.parseSql(job, jarUrlList, tEnv);
TableResult execute = statementSet.execute();       -->
tableEnvironment.executeInternal(operations);        -->
Pipeline pipeline = execEnv.createPipeline(transformations, tableConfig, jobName);     -->
StreamGraph streamGraph = ExecutorUtils.generateStreamGraph(getExecutionEnvironment(), transformations); -->
// 丟擲異常的方法
public static StreamGraph generateStreamGraph(StreamExecutionEnvironment execEnv, List<Transformation<?>> transformations){
        if (transformations.size() <= 0) {
                throw new IllegalStateException(
                        "No operators defined in streaming topology. Cannot generate StreamGraph.");
        }
        ...
        return generator.generate();
}
// 如果沒有 insert 語句的時候,無法生成 JobGraph,但是 DDL 是執行成功的。
// 因此捕獲 FlinkX 丟擲的特殊異常,此語句的異常 Message 是 FlinkX 裡面處理的。
try {
    PackagedProgramUtils.createJobGraph(program, flinkConfig, 1, false);
} catch (ProgramInvocationException e) {
    // 僅執行 DDL FlinkX 丟擲的異常
    if (!e.getMessage().contains("OnlyExecuteDDL")) {
        throw e;
    }
}

file

● DDL + DML,包含 create + insert 語句

1)初始化 Catalog

CREATE CATALOG catalog1
WITH (
    'type' = 'dt',
    'default-database' = 'default_database',
    'driver' = 'com.mysql.cj.jdbc.Driver',
    'url' = 'jdbc:mysql://172.16.100.186:3306/catalog_default',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123',
    'project-id' = '1',
    'tenant-id' = '1'
  );

2.1)建立資料庫

create database if not exists database1

2.2)建立源表

CREATE TABLE if not exists catalog1.default_database.table1
(
    id      int,
    name    string,
    age     bigint,
    primary key ( id) not enforced
) with (
    'connector' = 'jdbc',
    'url' = 'jdbc:mysql://172.16.83.218:3306/wujuan?useSSL=false',
    'table-name' = 't2',
    'username' = 'drpeco',
    'password' = 'DT@Stack#123'
);

3.1)建立資料庫

create database if not exists catalog1.database2;

3.2)建立結果表

CREATE TABLE if not exists catalog1.database2.table2
(
    id      int,
    name    string,
    age     bigint,
    primary key ( id) not enforced
) with (
 'connector' = 'print'
);

4)執行任務

insert into catalog1.database2.table2 select * from catalog1.database1.table1

· 不可以執行,可以提交;

· 支援語法校驗。

● DML,只有 Insert 語句

-- 初始化 Catalog
CREATE CATALOG catalog1
WITH (
  'type' = 'dt',
  'default-database' = 'default_database',
  'driver' = 'com.mysql.cj.jdbc.Driver',
  'url' = 'jdbc:mysql://172.16.100.186:3306/catalog_default',
  'username' = 'drpeco',
  'password' = 'DT@Stack#123',
  'project-id' = '1',
  'tenant-id' = '1'
);
-- 執行任務
insert into catalog1.database2.table2 select * from catalog1.database1.table1
· 如果 Catalog 的 資料庫和表都已經建立好了,那麼直接寫 insert 就可以提交任務;

· 不可以執行,可以提交;

· 支援語法校驗。

《資料治理行業實踐白皮書》下載地址:


想了解更多有關袋鼠雲大資料產品、行業解決方案、客戶案例的朋友,瀏覽袋鼠雲官網:https://www.dtstack.com/?src=szitpub


來自 “ ITPUB部落格 ” ,連結:http://blog.itpub.net/69995740/viewspace-2944388/,如需轉載,請註明出處,否則將追究法律責任。

相關文章