1.概述
在《Hadoop – 实时查询Drill》一文当中，笔者给大家介绍如何去处理实时查询这样的业务场景，也是简略的提了一下如何去实时查询HDFS，然起相关细节并未说明。今天给大家细说一下相关细节，其中包含：HDFS，Hive以及HBase等内容。
2.数据源和文件格式
在使用Drill去做实时查询，由于其只是一个中间件，其适配的存储介质是有限制的，目前官方支持以下存储介质：
- FS
- HDFS
- HBase
- Hive
- RDBMS
- MongoDB
- MapR-DB
- S3
这里笔者主要给大家介绍HDFS，Hive，HBase这三种介质。另外，Drill支持以下输入格式的数据源：
- Avro
- CSV
- TSV
- PSV
- Parquet
- MapR-DB*
- Hadoop Sequence Files
2.1 文本类型文件（CSV，TSV，PSV）
下面笔者给大家介绍文本类型的相关细节，文本类型的使用，有其固定的使用方法，通用配置如下：
"formats": { "csv": { "type": "text", "extensions": [ "txt" ], "delimiter": "/t" }, "tsv": { "type": "text", "extensions": [ "tsv" ], "delimiter": "/t" }, "parquet": { "type": "parquet" } }
这里以CSV为例子来说明：
- “csv”：表示固定的文本格式
- “type”：制定文件的类型，这里指定为文本类型
- “extensions”：扩展名为csv
- “delimiter”：文本内容，每行的分隔符为一个tab占位符
上面的配置，这里我们也可以进行拓展，比如我们的HDFS上的文件格式如下图所示：
我们要达到以下查询结果，内容如下所示：
0: jdbc:drill:zk=local> SELECT * FROM hdfs.`/tmp/csv_with_header.csv2`; +------------------------+ | columns | +------------------------+ | ["hello","1","2","3"] | | ["hello","1","2","3"] | | ["hello","1","2","3"] | | ["hello","1","2","3"] | | ["hello","1","2","3"] | | ["hello","1","2","3"] | | ["hello","1","2","3"] | +------------------------+
那么，我们可以对其做以下配置，内容如下所示：
"csv": { "type": "text", "extensions": [ "csv2" ], "skipFirstLine": true, "delimiter": "," },
这里skipFirstLine这个属性表示忽略一行结果。
另外，同样用到上面的数据源，我们要实现以下查询结果，内容如下所示：
0: jdbc:drill:zk=local> SELECT * FROM hdfs.`/tmp/csv_with_header.csv2`; +-------+------+------+------+ | name | num1 | num2 | num3 | +-------+------+------+------+ | hello | 1 | 2 | 3 | | hello | 1 | 2 | 3 | | hello | 1 | 2 | 3 | | hello | 1 | 2 | 3 | | hello | 1 | 2 | 3 | | hello | 1 | 2 | 3 | | hello | 1 | 2 | 3 | +-------+------+------+------+
这该如何去修改CSV的属性，我们添加以下内容即可：
"csv": { "type": "text", "extensions": [ "csv2" ], "skipFirstLine": false, "extractHeader": true, "delimiter": "," },
从单词的意义上可以很直接的读懂属性所要表达的意思，这里就不多做赘述了。由于篇幅问题，这里就不一一列举了。
其他格式文件与此类似，填写指定文件格式，文件类型，扩展名，文本分隔符即可，其他扩展属性可按需添加。
3.Plugins
3.1 HDFS
集成HDFS的Plugins，添加内容如下所示：
{ "type": "file", "enabled": true, "connection": "hdfs://hdfs.company.com:9000/", "workspaces": { "root": { "location": "/opt/drill", "writable": true, "defaultInputFormat": null } }, "formats": { "csv": { "type": "text", "extensions": [ "txt" ], "delimiter": "/t" }, "tsv": { "type": "text", "extensions": [ "tsv" ], "delimiter": "/t" }, "parquet": { "type": "parquet" } } }
PS：连接HDFS地址注意要正确。
3.2 Hive
集成Hive的Plugins，添加内容如下所示：
{ "type": "hive", "enabled": true, "configProps": { "hive.metastore.uris": "thrift://hdfs.company.com:9083", "fs.default.name": "hdfs://hdfs.company.com/", "hive.metastore.sasl.enabled": "false" } }
PS：这里需要指定Hive的metastore的thrift地址，同时也需要指定hdfs的地址。另外，我们需要启动metastore的thrift服务，命令如下所示：
hive --service metastore
这里需要注意的是，Drill当前不支持写操作到Hive表，在将Hive表结构中的数据类型做查询映射时，支持以下类型：
| 支持的SQL类型 | Hive类型 |
| BIGINT | BIGINT |
| BOOLEAN | BOOLEAN |
| VARCHAR | CHAR |
| DATE | DATE |
| DECIMAL* | DECIMAL |
| FLOAT | FLOAT |
| DOUBLE | DOUBLE |
| INTEGER | INT,TINYINT,SMALLINT |
| INTERVAL | N/A |
| TIME | N/A |
| N/A | TIMESPAMP (unix的系统时间) |
| TIMESPAMP | TIMESPAMP (JDBC时间格式：yyyy-mm-dd hh:mm:ss) |
| None | STRING |
| VARCHAR | VARCHAR |
| VARBINARY | BINARY |
另外，在Drill中，不支持以下Hive类型：
- LIST
- MAP
- STRUCT
- TIMESTAMP（Unix Epoch format）
- UNION
3.3 HBase
集成HBase的Plugins，添加内容如下所示：
{ "type": "hbase", "config": { "hbase.zookeeper.quorum": "hbase-zk01,hbase-zk02,hbase-zk03", "hbase.zookeeper.property.clientPort": "2181" }, "size.calculator.enabled": false, "enabled": true }
PS：在使用ZooKeeper集群连接信息时，需要注意的是，Drill在解析HBase的Plugins时，会解析其HBase集群上的ZK集群信息，如：在HBase集群中的ZK信息配置使用的时域名，这里在配置其HBase的Plugins的ZK连接信息也需使用对应的域名，若是直接填写IP，解析会失败。保证解析的一致性。
4.总结
另外，在使用JDBC或ODBC去操作Drill的时候，连接信息的使用是需要注意的，直接按照官方给出的连接方式硬套是有问题的，这里我们修改以下连接信息。连接分2种情况，一种指定其Drill的IP和PORT，第二种，使用ZK的连接方式，如jdbc:drill:zk=dn1,dn2,dn3:2181即可。
5.结束语
这篇博客就和大家分享到这里，如果大家在研究学习的过程当中有什么问题，可以加群进行讨论或发送邮件给我，我会尽我所能为您解答，与君共勉！
原创文章，作者：奋斗，如若转载，请注明出处：https://blog.ytso.com/9908.html