什么是MySQL连接器 - 开源大数据平台E-MapReduce

使用MySQL连接器能够让您在外部MySQL实例中查询和创建表。该连接器可以用于不同系统（例如，MySQL和Hive），或者两个不同MySQL实例间的数据进行JOIN操作。

背景信息

本文为您介绍MySQL连接器相关的内容和操作，具体如下：

配置MySQL连接器
类型映射
示例：查询MySQL
下推（Pushdown）

前提条件

已创建DataLake集群或Hadoop集群，并选择了Trino服务，或者创建单独的Trino集群，详情请参见创建集群。
已购买RDS，详情请参见创建RDS MySQL实例。

使用限制

EMR-3.38.0及后续版本的Hadoop集群或Trino集群，支持配置MySQL连接器。
连接的MySQL需要是5.7、8.0版本或更高的版本。
Trino的Coordinator和所有Worker节点必须能够访问MySQL，默认端口为3306。
暂不支持下列SQL命令：
- DELETE
- GRANT
- REVOKE
- SHOW GRANTS
- SHOW ROLES
- SHOW ROLE GRANTS

配置MySQL连接器

修改MySQL连接器配置，详情请参见配置连接器。

连接器默认配置

进入EMR控制台的Trino服务的配置页面，在服务配置区域，单击mysql.properties页签，修改以下参数，参数值请根据您实际情况修改。

参数	描述
connection-url	数据连接字符串，详情请参见查看和管理实例连接地址和端口。例如，jdbc:mysql://rm-2ze5ipacsu8265q****.mysql.rds.aliyuncs.com:3306。
connection-user	数据库的用户名。该用户具有访问上述RDS MySQL库中表的权限。
connection-password	connection-user对应的密码。

配置多个MySQL服务

如果您有多个MySQL服务，可以在etc/catalog下创建对应数量且不重名的配置文件，确保文件后缀为.properties格式即可。例如，创建的配置文件名称为sales.properties，Trino会使用该文件配置的连接器创建一个名为sales的Catalog。

配置示例

在EMR集群中，如果需要配置多个MySQL服务，可以使用connector[x].properties添加自定义配置项来配置MySQL服务，其中N 为1、2、3……。详细信息请参见以下步骤：

在EMR控制台的Trino服务的配置页面，在服务配置区域的mysql.properties页签中，修改配置connection-user、connection-password和connection-url。
您可以单击上方的新增配置项，添加您需要的配置项，详情请参见添加配置项。
保存配置。
1. 在服务配置，单击保存。
2. 在弹出的对话框中，输入执行原因，单击保存。
重启服务。
1. 在右上角选择更多操作 > 重启。
2. 在弹出的对话框中，输入执行原因，单击确定。
3. 在确认对话框中，单击确定。

类型映射

DECIMAL类型处理

精度超过38位的DECIMAL类型可以通过设定配置项decimal_mapping或将decimal_mapping的Session属性设为allow_overflow来映射到Trino的DECIMAL。结果类型的范围由配置项decimal-default-scale或decimal-rounding-mode控制，其精度恒定为38。

默认情况下，需舍入或截断才能匹配的值在运行时会执行失败。这一行为由配置项decimal-rounding-mode或decimal-rounding-mode的Session属性控制，其值可设为UNNECESSARY（默认值）、UP、DOWN、CEILING、FLOOR、HALF_UP、HALF_DOWN或HALF_EVEN。

通用配置属性

通过配置下列属性，可以将来自数据源的数据类型映射到Trino的数据类型，以及可以在Trino中缓存元数据。

属性	描述
unsupported-type-handling	配置如何处理不支持的数据列类型。取值如下： IGNORE（默认值）：列不可访问。 CONVERT_TO_VARCHAR：列被转换为无界的VARCHAR。
jdbc-types-mapped-to-varchar	允许以逗号（,）分隔的列表的数据类型映射强制转换为无界VARCHAR。
case-insensitive-name-matching	数据库和集合名称是否区分大小写。取值如下： true：不区分大小写。 false（默认值）：区分大小写。
case-insensitive-name-matching.cache-ttl	不区分大小写的数据库和集合名称的缓存时间。默认值为1，单位分钟。
metadata.cache-ttl	缓存包括表和列统计信息在内的元数据的持续时间。默认值0表示禁止缓存。
metadata.cache-missing	是否缓存包括表和列统计信息在内的元数据的状态。取值如下： true：缓存。 false（默认值）：不缓存。

示例：查询MySQL

查看RDS的数据库。
1. 通过SSH方式连接集群，详情请参见登录集群。
2. 执行如下命令，连接Trino客户端。
  - DataLake集群
```
trino --server master-1-1:9090 --catalog iceberg --schema default
```
  - Hadoop集群或单独的Trino集群
```
trino --server emr-header-1:9090 --catalog iceberg --schema default
```
3. 执行如下命令，查看Schema。
```
SHOW schemas FROM mysql;
```
  说明
  mysql为properties配置文件的名称。
4. 执行如下命令，查看数据库。
```
SHOW tables FROM mysql.web;
```
  说明
  本文示例中的web是您在MySQL上创建的数据库。
查询表数据。
- 查询mysql.web.clicks表的数据。
```
SELECT * FROM mysql.web.clicks
```
- 查询mysql.web.clicks表的列信息。
```
SHOW columns FROM mysql.web.clicks;
```
  或者使用以下命令查询表的列信息。
```
DESCRIBE mysql.web.clicks;
```

下推（Pushdown）

Pushdown详细信息，请参见Trino官网文档Pushdown。

MySQL连接器支持下推的算子和函数情况如下：

算子
- Join
- Limit
- Top-N
函数
- avg()
- count()
- max()
- min()
- sum()
- stddev()
- stddev_pop()
- stddev_samp()
- variance()
- var_pop()
- var_samp()