Открыть страницу поиска
Привет, Я DocuDroid!
Открыть страницу ИИ Помощника
Оценка ИИ поиска
Спасибо за оценку нашего ИИ поиска!
Мы будем признательны, если вы поделитесь своими впечатлениями, чтобы мы могли улучшить наш ИИ поиск для вас и других читателей.
GitHub

Использование коннектора PXF HDFS для чтения и записи текста фиксированной ширины между HDFS и Greengage DB

Антон Монаков

В этой статье описывается настройка и использование коннектора PXF HDFS для чтения и записи данных текста фиксированной ширины в HDFS с использованием внешних таблиц, а также приводятся практические примеры.

Более подробную информацию об опциях форматирования текста фиксированной ширины в Greengage DB можно получить в разделе Форматирование данных фиксированной ширины.

Создание внешней таблицы с использованием протокола PXF

Чтобы создать внешнюю таблицу Greengage DB для чтения и записи текста фиксированной ширины в HDFS, используется следующий синтаксис:

CREATE [READABLE | WRITABLE] EXTERNAL TABLE <table_name>
    ( <column_name> <data_type> [, ...] | LIKE <other_table> )

    LOCATION ('pxf://<path_to_data>?PROFILE=hdfs:fixedwidth[&<custom_option>=<value>[...]]')
    FORMAT 'CUSTOM' (FORMATTER='fixedwidth_in | fixedwidth_out',
        <field_name>='<width>' [, ...]
        [, line_delim[=|<space>][E]'<delim_value>'])
    [DISTRIBUTED BY (<column_name> [, ... ] ) | DISTRIBUTED RANDOMLY];
Ключевое слово Значение

<table_name>

Имя создаваемой таблицы

<column_name>

Имя создаваемого столбца

<data_type>

Тип данных создаваемого столбца

LIKE <other_table>

Указывает таблицу, из которой внешняя таблица копирует все имена столбцов, типы данных и политику распределения

<path_to_data>

Путь к каталогу или файлу в хранилище HDFS. Если в конфигурации сервера <server_name> указано свойство pxf.fs.basePath, значение <path_to_data> трактуется как относительный путь к указанному базовому пути. В противном случае путь считается абсолютным. Значение пути не должно содержать символ $

PROFILE=hdfs:fixedwidth

Для чтения и записи текста фиксированной ширины в HDFS используется профиль hdfs:fixedwidth

FORMAT 'CUSTOM'

Для чтения и записи текста фиксированной ширины в HDFS используется кастомный формат с использованием встроенных кастомных функций форматирования для операций чтения (fixedwidth_in) и записи (fixedwidth_out)

<field_name>='<width>'

Имя и ширина поля данных, указываемая в символах. Поля должны быть перечислены в порядке их физического следования в файле данных. Имена полей должны совпадать с именами столбцов в команде CREATE EXTERNAL TABLE.

При чтении данных, если ширина поля меньше значения <width>, Greengage DB ожидает, что поле дополнено справа пробелами до требуемой ширины. При записи данных, если ширина поля меньше значения <width>, Greengage DB дополняет поле пробелами справа до требуемой ширины, указанной в <width>

line_delim

Указывает символ переноса строки в файле данных, по умолчанию \n (LF). Если значение указано и содержит \r (CR), \r\n (CRLF) или произвольный набор символов экранирования, требуется также указать NEWLINE, выбрав в качестве значения CR, CRLF или соответствующий набор символов в байтовом формате

DISTRIBUTED BY

При загрузке данных из таблицы Greengage DB во внешнюю пишущую таблицу рекомендуется указывать ту же политику распределения или имя столбца в обеих таблицах. Это позволит избежать дополнительного перемещения данных между сегментами при выполнении операции загрузки. Более подробную информацию о распределении таблиц можно получить в статье Распределение данных

<custom_option>

Одна из опций, описанных ниже, указываемая в строке LOCATION

SERVER=<server_name>

Имя конфигурации сервера, который используется для доступа к данным. Если значение не указано, используется сервер PXF по умолчанию

NEWLINE

Если значение line_delim указано и содержит \r (CR), \r\n (CRLF) или произвольный набор символов экранирования, требуется также указать NEWLINE, выбрав в качестве значения CR, CRLF или соответствующий набор символов в байтовом формате

COMPRESSION_CODEC

Кодек сжатия, используемый при записи данных: default, bzip2, gzip или uncompressed (без сжатия). Если значение не указано (или указано uncompressed), сжатие не производится

IGNORE_MISSING_PATH

Действие, которое необходимо выполнить, если <path_to_data> отсутствует или указан неверно. Если установлено значение false (по умолчанию), возвращается ошибка. Если установлено значение true, PXF игнорирует ошибку и возвращает пустой фрагмент

Примеры

Эти примеры демонстрируют, как настроить и использовать коннектор PXF HDFS для чтения и записи текста фиксированной ширины между Greengage DB и HDFS с использованием внешних таблиц.

Предварительные требования

Для выполнения практических примеров подключитесь к мастер-хосту Greengage DB как gpadmin с помощью psql, как описано в статье Подключение к Greengage DB с использованием psql. Затем создайте тестовую базу данных customers и подключитесь к ней:

DROP DATABASE IF EXISTS customers;
CREATE DATABASE customers;
\c customers

Чтобы создать внешнюю таблицу с использованием протокола PXF, предварительно зарегистрируйте в БД расширение PXF, как описано в разделе Регистрация PXF в БД документации PXF:

CREATE EXTENSION pxf;

Конфигурирование коннектора PXF HDFS

Для того чтобы подключиться к HDFS с помощью PXF, необходимо создать конфигурацию сервера, как описано в статье Настройка коннекторов PXF Hadoop документации PXF, а затем синхронизировать конфигурацию между хостами кластера Greengage DB:

  1. Подключитесь к мастер-хосту Greengage DB как gpadmin.

  2. Перейдите в каталог $PXF_BASE/servers и создайте каталог конфигурации сервера Hadoop с именем hadoop:

    $ mkdir $PXF_BASE/servers/hadoop
$ cd $PXF_BASE/servers/hadoop

  3. Скопируйте файлы конфигурации core-site.xml, hdfs-site.xml, mapred-site.xml и yarn-site.xml с хоста NameNode кластера Hadoop на текущий хост:

    $ scp hdfsuser@namenode:/etc/hadoop/conf/core-site.xml .
$ scp hdfsuser@namenode:/etc/hadoop/conf/hdfs-site.xml .
$ scp hdfsuser@namenode:/etc/hadoop/conf/mapred-site.xml .
$ scp hdfsuser@namenode:/etc/hadoop/conf/yarn-site.xml .

  4. Синхронизируйте конфигурацию между хостами кластера Greengage DB:

    $ pxf cluster sync

Создание читающей внешней таблицы

  1. В каталоге /tmp на хосте HDFS создайте файл под названием customers.txt. В файле примера длина первого поля — 3 символа, второго — 15, третьего — 25, а последнего — 20 символов. Обратите внимание, что поля дополнены справа пробелами до требуемой ширины:

    1  John Doe       john.doe@example.com     123 Elm Street
2  Jane Smith     jane.smith@example.com   456 Oak Street
3  Bob Brown      bob.brown@example.com    789 Pine Street
4  Rob Stuart     rob.stuart@example.com   119 Willow Street

  2. Создайте HDFS-каталог /tmp/pxf_examples для хранения файлов с тестовыми данными PXF и добавьте в HDFS созданный файл customers.txt:

    $ hdfs dfs -mkdir -p /tmp/pxf_examples
$ hdfs dfs -put /tmp/customers.txt /tmp/pxf_examples/

  3. На мастер-хосте Greengage DB создайте внешнюю таблицу, ссылающуюся на файл customers.txt. В выражении LOCATION укажите профиль hdfs:fixedwidth и конфигурацию сервера. В выражении FORMAT укажите fixedwidth_in — встроенную кастомную функцию форматирования для операций чтения — и перечислите поля данных и их длину:

    CREATE EXTERNAL TABLE customers_r (
    id INTEGER,
    name TEXT,
    email TEXT,
    address TEXT
    )
    
    LOCATION ('pxf://tmp/pxf_examples/customers.txt?PROFILE=hdfs:fixedwidth&SERVER=hadoop')
    FORMAT 'CUSTOM' (
        FORMATTER='fixedwidth_in', 
        id='3', 
        name='15', 
        email='25',
        address='20');

  4. Выполните запрос к созданной внешней таблице:

    SELECT * FROM customers_r;

    Вывод должен выглядеть следующим образом:

     id |    name    |         email          |      address
----+------------+------------------------+-------------------
  1 | John Doe   | john.doe@example.com   | 123 Elm Street
  2 | Jane Smith | jane.smith@example.com | 456 Oak Street
  3 | Bob Brown  | bob.brown@example.com  | 789 Pine Street
  4 | Rob Stuart | rob.stuart@example.com | 119 Willow Street
(4 rows)

Создание пишущей внешней таблицы

  1. На мастер-хосте Greengage DB создайте пишущую внешнюю таблицу, сохраняющую данные в HDFS-каталог /tmp/pxf_examples/customers. В выражении LOCATION укажите профиль hdfs:fixedwidth и конфигурацию сервера. В выражении FORMAT укажите fixedwidth_out — встроенную кастомную функцию форматирования для операций записи — и перечислите поля данных и их длину:

    CREATE WRITABLE EXTERNAL TABLE customers_w (
    id INTEGER,
    name TEXT,
    email TEXT,
    address TEXT
    )
    
    LOCATION ('pxf://tmp/pxf_examples/customers?PROFILE=hdfs:fixedwidth&SERVER=hadoop')
    FORMAT 'CUSTOM' (
            FORMATTER='fixedwidth_out', 
            id='3', 
            name='15', 
            email='25',
            address='20');

  2. Вставьте тестовые данные в таблицу customers_w:

    INSERT INTO customers_w (
     id,
     name,
     email,
     address
     ) 
VALUES (5, 'Alice Price', 'alice.price@example.com', '234 Maple Avenue'),
       (6, 'David Lee', 'david.lee@example.com', '567 Birch Lane'),
       (7, 'Emily Wilson', 'emily.wilson@example.com', '890 Cedar Court'),
       (8, 'Kevin Garcia', 'kevin.garcia@example.com', '123 Spruce Drive');

  3. На хосте HDFS просмотрите содержимое файлов, созданных в каталоге /tmp/pxf_examples/customers:

    $ hdfs dfs -cat /tmp/pxf_examples/customers/*

    Вывод должен выглядеть следующим образом:

    8  Kevin Garcia   kevin.garcia@example.com 123 Spruce Drive
5  Alice Price    alice.price@example.com  234 Maple Avenue
6  David Lee      david.lee@example.com    567 Birch Lane
7  Emily Wilson   emily.wilson@example.com 890 Cedar Court
Предыдущая
Многострочный текст
Следующая
HBase