Realtime Compute for Apache Flink：管理Hive Catalog

前提條件

使用限制

• Hive Metastore不支援Kerberos鑒權。

• 支援自建Hive Metastore。

• 由於從Flink社區從1.16版本開始廢棄了對Hive 1.x，2.1.x，2.2.x版本的支援，所以僅VVR 6.x 版本支援Hive 1.x，2.1.x，2.2.x。

• Realtime Compute引擎VVR 4.0.11及以上版本支援DLF作為Hive Catalog的中繼資料管理中心。

  說明

  如果Hive版本為3.1.0+，對於VVR 6.0.x版本，只有 VVR 6.0.7及以上版本才支援DLF作為Hive Catalog的中繼資料管理中心。

• 如果Hive Catalog是以DLF作為中繼資料管理中心，則僅計算引擎VVR 8.0.6及以上版本支援在該Catalog中建立非Hive表。

• 僅VVR 8.0.6及以上版本才支援寫入OSS-HDFS。

配置Hive中繼資料

1. 連通Hadoop叢集和Flink的VPC。

   您可以使用雲解析PrivateZone產品連通Hadoop叢集和Flink的VPC，詳情請參見解析器（Resolver）。網路連通後，Flink就可以使用Hadoop叢集的設定檔訪問Hadoop叢集。

2. Hive Catalog支援Hive MetaStore和阿里雲DLF作為中繼資料管理中心，相關配置說明詳情如下：

   Hive MetaStore

   需要檢查設定檔hive-site.xml中hive.metastore.uris參數配置是否符合下列要求。

   <property>
       <name>hive.metastore.uris</name>
       <value>thrift://xx.yy.zz.mm:9083</value>
       <description>Thrift URI for the remote metastore. Used by metastore client to connect to remote metastore.</description>
    </property>

   其中xx.yy.zz.mm為Hive的內網IP或者公網IP。

   說明

   如果您將hive.metastore.uris填寫為hostname，則需要佈建網域名解析服務。否則Flink開發控制台遠端存取Hive時，hive.metastore.uris參數值會被解析失敗並報錯UnknownHostException。佈建網域名解析服務詳情請參見添加PrivateZone解析記錄。

   阿里雲DLF

   需要在設定檔hive-site.xml中添加如下配置項，以便Hive Catalog可以訪問DLF。

   說明

   如果您的hive-site.xml包含了dlf.catalog.akMode的配置項，則需要將該配置項刪掉，否則將無法訪問DLF。

   <property>
     <name>hive.imetastoreclient.factory.class</name>
     <value>com.aliyun.datalake.metastore.hive2.DlfMetaStoreClientFactory</value>
   </property>
   <property>
     <name>dlf.catalog.uid</name>
     <value>${YOUR_DLF_CATALOG_UID}</value>
   </property>
   <property>
     <name>dlf.catalog.endpoint</name>
     <value>${YOUR_DLF_ENDPOINT}</value>
   </property>
   <property>
     <name>dlf.catalog.region</name>
     <value>${YOUR_DLF_CATALOG_REGION}</value>
   </property>
   <property>
     <name>dlf.catalog.accessKeyId</name>
     <value>${YOUR_ACCESS_KEY_ID}</value>
   </property>
   <property>
     <name>dlf.catalog.accessKeySecret</name>
     <value>${YOUR_ACCESS_KEY_SECRET}</value>
   </property>

   如果您的Hive表被儲存在OSS中，則還需要添加如下配置。

   <property>
     <name>fs.oss.impl.disable.cache</name>
     <value>true</value>
   </property>
   <property>
     <name>fs.oss.impl</name>
     <value>org.apache.hadoop.fs.aliyun.oss.AliyunOSSFileSystem</value>
   </property>
   <property>
     <name>hive.metastore.warehouse.dir</name>
     <value>${YOUR_OSS_WAREHOUSE_DIR}</value>
   </property>
   <property>
     <name>fs.oss.endpoint</name>
     <value>${YOUR_OSS_ENDPOINT}</value>
   </property>
   <property>
     <name>fs.oss.accessKeyId</name>
     <value>${YOUR_ACCESS_KEY_ID}</value>
   </property>
   <property>
     <name>fs.oss.accessKeySecret</name>
     <value>${YOUR_ACCESS_KEY_SECRET}</value>
   </property>
   <property>
     <name>fs.defaultFS</name>
     <value>oss://${YOUR_OSS_BUCKET_DOMIN}</value>
   </property>

   如果您的Hive表被儲存在OSS-HDFS中，則還需要添加如下配置。

   <property>
     <name>fs.jindo.impl</name>
     <value>com.aliyun.jindodata.jindo.JindoFileSystem</value>
   </property>
   <property>
     <name>hive.metastore.warehouse.dir</name>
     <value>${YOUR_OSS_WAREHOUSE_DIR}</value>
   </property>
   <property>
     <name>fs.oss.endpoint</name>
     <value>${YOUR_OSS_ENDPOINT}</value>
   </property>
   <property>
     <name>fs.oss.accessKeyId</name>
     <value>${YOUR_ACCESS_KEY_ID}</value>
   </property>
   <property>
     <name>fs.oss.accessKeySecret</name>
     <value>${YOUR_ACCESS_KEY_SECRET}</value>
   </property>
   <property>
     <name>fs.defaultFS</name>
     <value>oss://${YOUR_OSS_HDFS_BUCKET_DOMIN}</value>
   </property>

   其中涉及的參數解釋如下表所示。

   參數	說明	備忘
   dlf.catalog.uid	阿里雲帳號的帳號ID。	帳號資訊，請通過使用者資訊頁面擷取。
   dlf.catalog.endpoint	DLF服務的Endpoint。	詳情請參見已開通的地區和訪問網域名稱。 說明 推薦您為dlf.endpoint參數配置DLF的VPC Endpoint。例如，如果您選擇的地區為cn-hangzhou地區，則dlf.endpoint參數需要配置為dlf-vpc.cn-hangzhou.aliyuncs.com。 如果您需要跨VPC訪問DLF，則請參見空間管理與操作
   dlf.catalog.region	DLF服務的地區名。	詳情請參見已開通的地區和訪問網域名稱。 說明 請和dlf.endpoint選擇的地區保持一致。
   dlf.catalog.accessKeyIdfs.oss.accessKeyId	阿里雲帳號的Access Key。	擷取方法請參見擷取AccessKey。
   dlf.catalog.accessKeySecretfs.oss.accessKeySecret	阿里雲帳號的Access Secret。	擷取方法請參見擷取AccessKey。
   fs.oss.endpoint	阿里雲Object Storage Service的網域名稱。	詳情請參見OSS地區和訪問網域名稱。
   hive.metastore.warehouse.dir	表資料存放的路徑。	無。
   fs.defaultFS	表資料預設存放的檔案系統。	如果是寫OSS-HDFS，請確保該值為目標Bucket對應HDFS服務的網域名稱，例如oss://oss-hdfs-bucket.cn-hangzhou.oss-dls.aliyuncs.com/。

   說明

   Flink全託管儲存使用者，此步驟後無需進行下列操作，可以直接跳轉到建立Hive Catalog操作。

3. 在OSS控制台建立目錄，並將Hive設定檔和Hadoop依賴上傳至目標路徑。

   1. 登入OSS管理主控台。

   2. 單擊Bucket列表。

   3. 單擊目標Bucket名稱。

   4. 在oss://${bucket}/artifacts/namespaces/${ns}/路徑下，建立${hms}目錄。

      在OSS上建立目錄的操作詳情，請參見建立目錄。目標路徑中的變數含義如下表所示：

      目錄	說明
      ${bucket}	您Flink使用的Bucket名稱。
      ${ns}	您要使用Hive Catalog功能的Flink專案空間名稱。
      ${hms}	建議與下文建立的Hive Catalog名稱保持一致。

      說明

      開通Flink工作空間後，系統會自動在您指定的Bucket下建立/artifacts/namespaces/${ns}/目錄來儲存JAR包等資料。如果您在OSS控制台沒有看到如上目錄，則需要在Flink開發控制台的資源管理頁面，手動上傳一個檔案來觸發目錄建立。

   5. 在oss://${bucket}/artifacts/namespaces/${ns}/${hms}路徑下，建立hive-conf-dir和hadoop-conf-dir目錄。在OSS上建立目錄的操作請參見建立目錄

      其中hive-conf-dir和hadoop-conf-dir目錄中存放的檔案詳情如下：

      • oss://${bucket}/artifacts/namespaces/${ns}/${hms}/hive-conf-dir/用於存放Hive設定檔hive-site.xml。

      • oss://${bucket}/artifacts/namespaces/${ns}/${hms}/hadoop-conf-dir/用於存放Hadoop設定檔，包括core-site.xml、hdfs-site.xml、yarn-site.xml和mapred-site.xml。

      建立成功後，您可以在檔案清單頁面中，查看建立的目錄及檔案，並複製OSS連結資訊。

   6. 將您的Hive設定檔（hive-site.xml）上傳到hive-conf-dir目錄下。上傳檔案的操作請參見上傳檔案。

   7. 將以下設定檔上傳到hadoop-conf-dir目錄。上傳檔案的操作請參見上傳檔案。

      • hive-site.xml

      • core-site.xml

      • hdfs-site.xml

      • mapred-site.xml

      • 其他檔案，例如Hive作業使用的壓縮包。

建立Hive Catalog

完成前面的Hive中繼資料配置後，您可以建立Hive Catalog，支援UI與SQL命令兩種方式配置Hive Catalog，推薦使用UI方式配置Hive Catalog。

使用Hive Catalog

-- 在Catalog flinkexporthive下的flinkhive資料庫中建立表格flink_hive_test。
CREATE TABLE `flinkexporthive`.`flinkhive`.`flink_hive_test` (
  id INT,
  name STRING
) WITH (
  'connector' = 'hive'
);

-- HIVE表增加欄位。
ALTER TABLE `${catalog_name}`.`${db_name}`.`${table_name}` 
ADD column type-column;

-- HIVE表刪除欄位。
ALTER TABLE `${catalog_name}`.`${db_name}`.`${table_name}` 
DROP column;

-- HIVE表增加欄位color。
ALTER TABLE `flinkexporthive`.`flinkhive`.`flink_hive_test` 
ADD color STRING;

-- HIVE表刪除欄位color。
ALTER TABLE `flinkexporthive`.`flinkhive`.`flink_hive_test` 
DROP color;

INSERT INTO ${other_sink_table}
SELECT ...
FROM `${catalog_name}`.`${db_name}`.`${table_name}`;

INSERT INTO `${catalog_name}`.`${db_name}`.`${table_name}`
SELECT ... 
FROM ${other_source_table};

-- 刪除HIVE表。
DROP TABLE `${catalog_name}`.`${db_name}`.`${table_name}`;

-- 刪除HIVE表。
DROP TABLE `flinkexporthive`.`flinkhive`.`flink_hive_test`;

查看Hive Catalog

1. 進入中繼資料管理頁面。

   1. 登入Realtime Compute控制台。

   2. 單擊目標工作空間操作列下的控制台。

   3. 單擊中繼資料管理。

2. 在Catalog列表頁面，查看Catalog名稱和類型。

   說明

   如果您需要查看Catalog下的資料庫和表，請單擊操作列下的查看。

刪除Hive Catalog