Kudu 学习笔记 - 侯锐的思考与分享

安装

Kudu 提供了通过源码安装的方式，通过源码安装步骤比较繁琐，因此这里我们选择在 CentOS 6 操作系统上使用安装包进行安装。使用安装包也有两种安装方式：

添加 Kudu 源之后使用 yum 进行安装；
手动下载 rpm 包之后进行安装；

由于网络原因，我这里使用 yum 进行安装速度特别慢，所以最终我们选择使用 rpm 包进行手动安装。

我们从官方文档中提供的 CentOS 6 Individual Packages 中下载得到如下的安装包

kudu-1.4.0+cdh5.12.2+0-1.cdh5.12.2.p0.8.el6.x86_64.rpm
kudu-client-devel-1.4.0+cdh5.12.2+0-1.cdh5.12.2.p0.8.el6.x86_64.rpm
kudu-client0-1.4.0+cdh5.12.2+0-1.cdh5.12.2.p0.8.el6.x86_64.rpm
kudu-debuginfo-1.4.0+cdh5.12.2+0-1.cdh5.12.2.p0.8.el6.x86_64.rpm
kudu-master-1.4.0+cdh5.12.2+0-1.cdh5.12.2.p0.8.el6.x86_64.rpm
kudu-tserver-1.4.0+cdh5.12.2+0-1.cdh5.12.2.p0.8.el6.x86_64.rpm

上面的一共有六个包，分别为 core、client、debug、master 和 tablet server 包，其中 debug 包的安装是可选的。

下载了这些安装包之后我们使用 rpm -ivh PACKAGE_NAME 命令进行手动安装，如果在安装过程中提示缺少某些包，那么可以使用 yum 先将缺失的包进行安装，随后再安装相应的 Kudu 包。

启动

使用如下命令启动或停止 Kudu 进程

# 启动
$ service kudu-master start
$ service kudu-tserver start
# 停止
$ service kudu-master stop
$ service kudu-tserver stop

启动了 kudu-master 进程之后（运行 master 进程的机器 CPU 不应该少于 3 个核，否则会启动失败），可以使用浏览器访问对应主机的 8051 端口打开 kudu-master 的 Web 控制台页面，kudu-tserver (KuduTabletServer) 的 Web 控制台则位于 8050 端口。

启动了 master 和 tablet-server 之后我们就已经拥有了一个单节点的 Kudu 服务，你已经可以使用这个节点进行数据的增删改查操作了，下面我们再了解一下如何构建一个 Kudu 服务的集群。

首先我们使用三台负载并安装好 Kudu，它们的 IP 地址如下

172.21.3.39
172.21.3.92
172.21.3.177

之后在这三台负载的 /etc/kudu/conf/master.gflagfile 中新增 master 地址的配置

--master_addresses=172.21.4.192:7051,172.21.3.92:7051,172.21.3.177:7051
--fs_data_dirs=/home/kudu/data/master
--fs_wal_dir=/home/kudu/wal/master
--log_dir=/home/kudu/kudu/logs/master
--memory_limit_soft_percentage=85
--maintenance_manager_num_threads=4
--block_cache_capacity_mb=2048
--max_clock_sync_error_usec=20000000
--rpc-encryption=disabled
--rpc_authentication=disabled
--rpc_negotiation_timeout_ms=9000
--consensus_rpc_timeout_ms=60000

除了 master 的配置，还需要在 /etc/kudu/conf/tserver.gflagfile 中新增 tablet-server 的相关配置

--tserver_master_addrs=172.21.4.192:7051,172.21.3.92:7051,172.21.3.177:7051
--fs_data_dirs=/home/kudu/data/tserver
--fs_wal_dir=/home/kudu/wal/tserver
--log_dir=/home/kudu/kudu/logs/tserver
--maintenance_manager_num_threads=8
--memory_limit_soft_percentage=85
--block_cache_capacity_mb=2048
--memory_limit_hard_bytes=21000000000
--max_clock_sync_error_usec=20000000
--rpc-encryption=disabled
--rpc_authentication=disabled
--rpc_negotiation_timeout_ms=9000
--consensus_rpc_timeout_ms=60000
--tablet_history_max_age_sec=60

添加了相关的配置之后启动集群。

数据操作

在创建了集群之后我们使用 Java 语言来进行数据以及表的相关操作，首先我们通过 maven 引入相关的依赖 jar 包

<dependency>
    <groupId>org.apache.kudu</groupId>
    <artifactId>kudu-client</artifactId>
    <version>1.4.0</version>
</dependency>

之后我们使用 Java 实现建表、删表、数据写入和数据查询操作。

查看 java 代码

import org.apache.kudu.ColumnSchema;
import org.apache.kudu.Schema;
import org.apache.kudu.Type;
import org.apache.kudu.client.*;

import java.util.ArrayList;
import java.util.List;

public class Test {

    private static final String KUDU_MASTER = "172.21.4.192:7051";

    public static void main(String[] args) {
        System.out.println("-----------------------------------------------");
        System.out.println("Will try to connect to Kudu master at " + KUDU_MASTER);
        System.out.println("-----------------------------------------------");
        String tableName = "java_sample-" + System.currentTimeMillis();
        KuduClient client = new KuduClient.KuduClientBuilder(KUDU_MASTER).build();

        try {
            // 建表
            List<ColumnSchema> columns = new ArrayList<>(2);
            columns.add(new ColumnSchema.ColumnSchemaBuilder("key", Type.INT32).key(true).build());
            columns.add(new ColumnSchema.ColumnSchemaBuilder("value", Type.STRING).build());
            List<String> rangeKeys = new ArrayList<>();
            rangeKeys.add("key");

            Schema schema = new Schema(columns);

            CreateTableOptions options = new CreateTableOptions();
            options.setRangePartitionColumns(rangeKeys);
            options.setNumReplicas(1);

            client.createTable(tableName, schema, options);

            // 插入数据
            KuduTable table = client.openTable(tableName);
            KuduSession session = client.newSession();
            for (int i = 0; i < 3; i++) {
                Insert insert = table.newInsert();
                PartialRow row = insert.getRow();
                row.addInt(0, i);
                row.addString(1, "value " + i);
                session.apply(insert);
            }

            // 查询数据
            List<String> projectColumns = new ArrayList<>(1);
            projectColumns.add("value");
            KuduScanner scanner = client.newScannerBuilder(table).setProjectedColumnNames(projectColumns).build();
            while (scanner.hasMoreRows()) {
                RowResultIterator results = scanner.nextRows();
                while (results.hasNext()) {
                    RowResult result = results.next();
                    System.out.println(result.getString(0));
                }
            }
        } catch (Exception e) {
            e.printStackTrace();
        } finally {
            try {
                // 删除表
                client.deleteTable(tableName);
            } catch (Exception e) {
                e.printStackTrace();
            } finally {
                try {
                    client.shutdown();
                } catch (Exception e) {
                    e.printStackTrace();
                }
            }
        }
    }

}

与 SparkSQL 进行集成

Kudu 与 SparkSQL 集群需要用到如下的依赖

查看代码块

<dependency>
    <groupId>org.apache.kudu</groupId>
    <artifactId>kudu-client</artifactId>
    <version>1.4.0</version>
</dependency>
<dependency>
    <groupId>org.apache.kudu</groupId>
    <artifactId>kudu-spark2_2.11</artifactId>
    <version>1.4.0</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-core_2.11</artifactId>
    <version>2.0.0</version>
</dependency>
<dependency>
    <groupId>org.apache.spark</groupId>
    <artifactId>spark-sql_2.11</artifactId>
    <version>2.0.0</version>
</dependency>
<dependency>
    <groupId>com.fasterxml.jackson.module</groupId>
    <artifactId>jackson-module-scala_2.11</artifactId>
    <version>2.8.8</version>
</dependency>

添加了依赖之后，我们可以参照之前 Kudu 的操作部分，创建表并写入数据，但是最后并不删除此表。之后在 http://172.21.4.192:8051/tables 中可以找到我们刚刚创建的表 java_sample-1584005217403，随后我们使用 SparkSQL 对该表进行查询，具体代码如下。

查看 java 代码

import org.apache.spark.SparkConf;
import org.apache.spark.SparkContext;
import org.apache.spark.sql.Dataset;
import org.apache.spark.sql.Row;
import org.apache.spark.sql.SparkSession;

import java.util.HashMap;
import java.util.Map;

public class SparkTest {

    public static void main(String[] args) {
        Map<String, String> options = new HashMap<String, String>() {
            {
                put("kudu.table", "java_sample-1584005217403");
                put("kudu.master", "172.21.4.192:7051");
            }
        };

        SparkContext sc = new SparkContext("local", "test-spark-kudu", new SparkConf());
        SparkSession sparkSession = SparkSession.builder().sparkContext(sc).getOrCreate();
        sparkSession
                .read()
                .options(options)
                .format("org.apache.kudu.spark.kudu")
                .load()
                .registerTempTable("table0");
        Dataset<Row> result = sparkSession.sql("SELECT * FROM table0");
        result.show();
    }

}

执行以上代码得到结果如下

+---+-------+
|key|  value|
+---+-------+
|  0|value 0|
|  1|value 1|
|  2|value 2|
+---+-------+

参考

官方安装文档
 Apache Kudu 初体验
 https://github.com/apache/kudu/tree/master/examples/java/java-example