关于开源:详解-Flink-Catalog-在-ChunJun-中的实践之路

121次阅读

共计 11249 个字符，预计需要花费 29 分钟才能阅读完成。

咱们晓得 Flink 有 Table（表）、View（视图）、Function（函数 / 算子）、Database（数据库）的概念，绝对于这些耳熟能详的概念，Flink 里还有一个 Catalog（目录）的概念。

本文将为大家带来 Flink Catalog 的介绍以及 Flink Catalog 在 ChunJun 中的实际之路。

Flink Catalog 简介

Catalog 提供元数据，如数据库、表、分区、视图，以及拜访存储在数据库或其余内部零碎中的数据所需的函数和信息。

Flink Catalog 作用
数据处理中最要害的一个方面是治理元数据：
· 可能是暂时性的元数据，如长期表，或针对表环境注册的 UDFs；
· 或者是永久性的元数据，比方 Hive 元存储中的元数据。
Catalog 提供了一个对立的 API 来治理元数据，并使其能够从表 API 和 SQL 查问语句中来拜访。
Catalog 使用户可能援用他们数据系统中的现有元数据，并主动将它们映射到 Flink 的相应元数据。例如，Flink 能够将 JDBC 表主动映射到 Flink 表，用户不用在 Flink 中手动重写 DDL。Catalog 大大简化了用户现有零碎开始应用 Flink 所需的步骤，并加强了用户体验。

Flink Catalog 的构造
● Flink Catalog 原生构造
• GenericInMemoryCatalog：基于内存实现的 Catalog
• Jdbc Catalog：能够将 Flink 通过 JDBC 协定连贯到关系数据库，目前 Flink 在 1.12 和 1.13 中有不同的实现，包含 MySql Catalog 和 Postgres Catalog
• Hive Catalog：作为原生 Flink 元数据的长久化存储，以及作为读写现有 Hive 元数据的接口
● Flink Iceberg Catalog
● Flink Hudi Catalog
HoodieCatalog、HoodieHiveCatalog

Flink Catalog 详解

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

所有的数据都保留在 HashMap 外面，无奈长久化。

JDBC Catalog

CREATE CATALOG my_catalog WITH(
    'type' = 'jdbc',
    'default-database' = '...',
    'username' = '...',
    'password' = '...',
    'base-url' = '...'
);
`
USE CATALOG my_catalog; 如果创立并应用 Postgres Catalog 或 MySQL Catalog，请配置 JDBC 连接器和相应的驱动。JDBC Catalog 反对以下参数:
• name：必填，Catalog 的名称
• default-database：必填，默认要连贯的数据库
• username：必填，Postgres/MySQL 账户的用户名
• password：必填，账户的明码
• base-url：必填，（不应该蕴含数据库名）对于 Postgres Catalog base-url 应为 "jdbc:postgresql://:" 的格局
对于 MySQL   Catalog base-url 应为 "jdbc:mysql://:" 的格局
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;
![图片](http://image.openwrite.cn/27328_27A8BB5740794969A4E7CCA65E82A202)

Iceberg Catalog
● Hive Catalog 治理 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 治理 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'
);● 自定义 Catalog 治理 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：用户指定的目录名称，这是必须的，因为连接器没有任何默认值
• catalog-type：内置目录的 hive 或 hadoop（默认为 hive），或者对于应用 catalog-impl 的自定义目录实现，不做设置
• catalog-impl：自定义目录实现的全限定类名，如果 catalog-type 没有被设置，则必须被设置，更多细节请参见自定义目录
• catalog-database：后盾目录中的 iceberg 数据库名称，默认应用以后的 Flink 数据库名称
• catalog-table：后盾目录中的冰山表名，默认应用 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'
);

--- 创立数据库供 hudi 应用
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;
![图片](http://image.openwrite.cn/27328_B1E9D8C392914A4CBB7AB87C5F65A375)


![图片](http://image.openwrite.cn/27328_5589B7016AD64DF5AD8319F1B8481185)

Flink Catalog 在 ChunJun 中的实际
上面将为大家介绍本文的重头戏，Flink Catalog 在 ChunJun 中的实际之路。间接引入开源 Catalog
ChunJun 目前的所有 Catalog 为以下四种：![图片](http://image.openwrite.cn/27328_1B3EF63E05684C7AB519964A2131DC92)

● Hive Catalog 须要的依赖

![图片](http://image.openwrite.cn/27328_81910961986F463E8425B16AFA84A7B5)

● Iceberg Catalog 须要的依赖

![图片](http://image.openwrite.cn/27328_3F5093AF48834E53AFA7ED755E24BA97)

● JDBC Catalog
JDBC 因为 Flink 1.12 和 1.13 API 有变动，因而须要波及源码的改变，改变一些 API 后，从源码引入。● DT Catalog
联合外部业务，自定义的一种 Catalog，下文将会进行具体介绍。DT Catalog - 存储元数据表设计
● 创立 mysql 元数据表 database_info
-- 创立表的 sql
create table database_info
(
    `id`            bigint PRIMARY KEY NOT NULL AUTO_INCREMENT COMMENT '我的项目 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 类型, eg: mysql,oracle...',
    `project_id`    int(11)            NOT NULL COMMENT '我的项目 ID',
    `tenant_id`     int(11)            NOT NULL COMMENT '租户 ID'
) ENGINE = InnoDB
  DEFAULT CHARSET = utf8;

-- 创立索引
CREATE INDEX idx_catalog_name_database_name_project_id_tenant_id ON database_info (`catalog_name`, `database_name`, `project_id`, `tenant_id`);● 创立 mysql 元数据表 table_info
-- 创立表的 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 '我的项目 ID',
    `tenant_id`     int(11)            NOT NULL COMMENT '租户 ID'
) ENGINE = InnoDB
  DEFAULT CHARSET = utf8;

-- 创立索引
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`);● 创立 mysql 元数据表 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 '表的属性 key',
    `value`    varchar(255) COMMENT '表的属性 value'
) ENGINE = InnoDB
  DEFAULT CHARSET = utf8;

CREATE INDEX idx_table_id ON properties_info (table_id);● properties_info 外面存了什么?
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, 应用 DT Catalog
● 创立 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'
  );
![图片](http://image.openwrite.cn/27328_8B5877D3A7C340498C3973DA5FAC453D)

● 创立 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 
-- 删除非空数据库，连通数据库中的所有表也一起删除
drop database if exists catalog1.database1 CASCADE● 创立 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 name2）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.-- 创立表
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'
);-- 删除表
drop table if exists mysql_catalog2.wujuan_database2.wujuan_table

-- 重命名表名
ALTER TABLE catalog1.default_database.table1 RENAME TO table2;

-- 设置表属性
ALTER TABLE catalog1.default_database.table1 
SET (
'tablename'='t2',
'url'='dbc:mysql://172.16.83.218:3306/wujuan?useSSL=false'
)应用 DTCatalog 的具体场景和实现原理
● 全副是 DDL，只有 Catalog 的创立
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'
  );

· 能够执行，然而没有意义，ChunJun 不会存储 Catalog 信息，只有平台存储；

· 不反对语法校验。

● 全副是 DDL，蕴含 Catalog、Database、Table 的创立
— 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'

);
— 创立数据库
create database if not exists database1
— 创立表
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'

);

· 无论创立数据库、表，删除数据库、表，必须蕴含 create catalog 语句；

· 能够执行，能够创立数据库和表；

· 不反对语法校验。

// 抛出异样的逻辑
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); –>
// 抛出异样的办法
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();

}
// 如果没有 insert 语句的时候，无奈生成 JobGraph，然而 DDL 是执行胜利的。
// 因而捕捉 FlinkX 抛出的非凡异样，此语句的异样 Message 是 FlinkX 外面解决的。
try {

PackagedProgramUtils.createJobGraph(program, flinkConfig, 1, false);

} catch (ProgramInvocationException e) {

// 仅执行 DDL FlinkX 抛出的异样
if (!e.getMessage().contains("OnlyExecuteDDL")) {throw e;}

}

● DDL + DML，蕴含 create + insert 语句

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）创立数据库
create database if not exists database1

2.2）创立源表
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）创立数据库 create database if not exists catalog1.database2;

3.2）创立后果表 CREATE TABLE if not exists catalog1.database2.table2
(

id      int,
name    string,
age     bigint,
primary key (id) not enforced

) with (
‘connector’ = ‘print’
);

4）执行工作 insert into catalog1.database2.table2 select * from catalog1.database1.table1

· 不能够执行，能够提交；

· 反对语法校验。

● DML，只有 Insert 语句
— 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’
);
— 执行工作
insert into catalog1.database2.table2 select * from catalog1.database1.table1

· 如果 Catalog 的 数据库和表都曾经创立好了，那么间接写 insert 就能够提交工作；

· 不能够执行，能够提交；

· 反对语法校验。

想理解或征询更多无关袋鼠云大数据产品、行业解决方案、客户案例的敌人，浏览袋鼠云官网：https://www.dtstack.com/?src=szsf

同时，欢送对大数据开源我的项目有趣味的同学退出「袋鼠云开源框架钉钉技术 qun」，交换最新开源技术信息，qun 号码：30537511，我的项目地址：https://github.com/DTStack

正文完
开源
发表至： 开源
2023-04-07
 0
关于开源:Apache-APISIX-南京站-Meetup-报名启动730-见
关于开源:2022-OpenHarmony组件大赛开启报名-构建繁荣开源社区
关于开源:正式起航-开放原子校源行导师招募计划
关于开源:开源码力榜背后的算法模型