- 动态与公告
- 产品简介
- 购买指南
- 快速入门
- 操作指南
- SQL 开发指南
- 开发指南概述
- 术语和数据类型
- DDL 数据定义语句
- DML 数据操作语句
- MySQL CDC 多 Source 复用
- 上下游开发指南
- 消息队列 Kafka
- 消息队列 Upsert Kafka
- 消息队列 CMQ
- 消息队列 TDMQ RabbitMQ
- 数据库 MySQL CDC
- 消息队列 Pulsar
- 数据库 TDSQL-MySQL
- 数据库 Redis
- 数据库 MongoDB CDC
- 数据库 MongoDB
- 数据库 PostgreSQL CDC
- 数据库 HBase
- 数据仓库 Hive
- 数据仓库 ClickHouse
- 数据湖计算 DLC
- 数据仓库 Kudu
- 云数据仓库 PostgreSQL
- 数据库连接 JDBC
- 文件系统 FileSystem
- 模拟上下游 Datagen Logger Blackhole
- 自定义 Connector
- 数据湖 Hudi
- 数据湖 Iceberg
- 数据库 SQLServer CDC
- 数据库 StarRocks
- SET 控制语句
- 运算符和内置函数
- 标识符与保留字
- Python 开发指南
- ETL 开发指南
- 常见问题
- 联系我们
- 动态与公告
- 产品简介
- 购买指南
- 快速入门
- 操作指南
- SQL 开发指南
- 开发指南概述
- 术语和数据类型
- DDL 数据定义语句
- DML 数据操作语句
- MySQL CDC 多 Source 复用
- 上下游开发指南
- 消息队列 Kafka
- 消息队列 Upsert Kafka
- 消息队列 CMQ
- 消息队列 TDMQ RabbitMQ
- 数据库 MySQL CDC
- 消息队列 Pulsar
- 数据库 TDSQL-MySQL
- 数据库 Redis
- 数据库 MongoDB CDC
- 数据库 MongoDB
- 数据库 PostgreSQL CDC
- 数据库 HBase
- 数据仓库 Hive
- 数据仓库 ClickHouse
- 数据湖计算 DLC
- 数据仓库 Kudu
- 云数据仓库 PostgreSQL
- 数据库连接 JDBC
- 文件系统 FileSystem
- 模拟上下游 Datagen Logger Blackhole
- 自定义 Connector
- 数据湖 Hudi
- 数据湖 Iceberg
- 数据库 SQLServer CDC
- 数据库 StarRocks
- SET 控制语句
- 运算符和内置函数
- 标识符与保留字
- Python 开发指南
- ETL 开发指南
- 常见问题
- 联系我们
数据仓库 Kudu
最后更新时间：2023-11-08 16:02:05
介绍
Kudu Connector 提供了对 Kudu 的读写支持。
版本说明
Flink 版本 | 说明 |
1.11 | 支持 |
1.13 | 支持 |
1.14 | 不支持 |
1.16 | 支持 |
使用范围
Kudu Connector 支持用作数据源表（Source，仅限于普通和维表 JOIN 的右表），也可以作为 Tuple 数据流的目的表（Sink），还可以作为 Upsert 数据流的目的表（Sink，需要包含主键）。
DDL 定义
用作数据源（Source）
CREATE TABLE `kudu_source_table` (`id` INT,`name` STRING) WITH (-- 指定Kudu连接参数'connector' = 'kudu','kudu.masters' = 'master-01:7051,master-02:7051,master-03:7051', -- 连接地址'kudu.table' = 'TableName1', -- 替换为 Kudu 中对应的表，如 default.TestTable1'kudu.hash-columns' = 'id', -- 可选参数，Hash 键'kudu.primary-key-columns' = 'id', -- 可选参数，主键'kudu.operation-timeout' = '10000', -- 可选参数，插入超时时间'kudu.max-buffer-size' = '2000', -- 可选参数，buffer 大小'kudu.flush-interval' = '1000' -- 可选参数，刷新数据到 kudu 的时间间隔);
用作数据目的（Tuple Sink）
CREATE TABLE `kudu_sink_table` (`id` INT,`name` STRING) WITH (-- 指定Kudu连接参数'connector' = 'kudu','kudu.masters' = 'master-01:7051,master-02:7051,master-03:7051', -- 连接地址'kudu.table' = 'TableName1', -- 替换为Kudu中对应的表，如 default.TestTable1'kudu.igonre-duplicate' = 'true' --可选参数，为 true 时会忽略主键重复的数据);
用作数据目的（Upsert Sink）
CREATE TABLE `kudu_upsert_sink_table` (`id` INT,`name` STRING) WITH (-- 指定 Kudu 连接参数'connector' = 'kudu','kudu.masters' = 'master-01:7051,master-02:7051,master-03:7051', -- 连接地址'kudu.table' = 'TableName1', -- 替换为 Kudu 中对应的表，如default.TestTable1'kudu.hash-columns' = 'id', -- 可选参数，Hash 键'kudu.primary-key-columns' = 'id' -- 必选参数，主键。Upsert Sink 需要包含主键。);
WITH 参数
参数值 | 必填 | 默认值 | 描述 |
connector.type | 是 | 无 | 连接 Kudu 数据库时，需要填写 'kudu' |
kudu.masters | 是 | 无 | Kudu 数据库 MasterServer 的连接地址。端口默认为7051。若使用腾讯云的 Kudu 组件，master 地址和端口可以在 弹性 MapReduce 控制台 的集群列表，单击集群 ID/名称，进入集群详情页，然后在集群服务 > Kudu > 操作 > 查看端口中找到对应的 master server IP 和端口 |
kudu.table | 是 | 无 | 数据库表名。例如 Impala 创建的 kudu 内表一般为 impala::db_name.table_name，Java API 创建的 Kudu 表 db_name.tablename |
kudu.hash-columns | 否 | 无 | Hash 键 |
kudu.primary-key-columns | 否 | 无 | 主键 |
kudu.replicas | 否 | 无 | 副本数量 |
kudu.operation-timeout | 否 | 30000 | 插入超时时间，单位为毫秒 |
kudu.max-buffer-size | 否 | 1000 | 默认为1000 |
kudu.flush-interval | 否 | 1000 | 默认为1000 |
kudu.ignore-not-found | 否 | false | 是否忽略未找到的数据 |
kudu.ignore-duplicate | 否 | false | 插入数据时是否会忽略主键重复的数据 |
类型映射
Flink 类型 | Kudu |
STRING | STRING |
BOOLEAN | BOOL |
TINYINT | INT8 |
SMALLINT | INT16 |
INT | INT32 |
BIGINT | INT64 |
FLOAT | FLOAT |
DOUBLE | DOUBLE |
BYTES | BINARY |
TIMESTAMP(3) | UNIXTIME_MICROS |
代码示例
CREATE TABLE `kudu_source_table` (`id` INT,`name` STRING) WITH (-- 指定Kudu连接参数'connector' = 'kudu','kudu.masters' = 'master-01:7051,master-02:7051,master-03:7051', -- 连接地址'kudu.table' = 'TableName1', -- 替换为 Kudu 中对应的表，如 default.TestTable1'kudu.hash-columns' = 'id', -- 可选参数，Hash 键'kudu.primary-key-columns' = 'id', -- 可选参数，主键'kudu.operation-timeout' = '10000', -- 可选参数，插入超时时间'kudu.max-buffer-size' = '2000', -- 可选参数，buffer 大小'kudu.flush-interval' = '1000' -- 可选参数，刷新数据到 kudu 的时间间隔);CREATE TABLE `kudu_upsert_sink_table` (`id` INT,`name` STRING) WITH (-- 指定 Kudu 连接参数'connector' = 'kudu','kudu.masters' = 'master-01:7051,master-02:7051,master-03:7051', -- 连接地址'kudu.table' = 'TableName1', -- 替换为 Kudu 中对应的表，如default.TestTable1'kudu.hash-columns' = 'id', -- 可选参数，Hash 键'kudu.primary-key-columns' = 'id' -- 必选参数，主键。Upsert Sink 需要包含主键。);insert into kudu_upsert_sink_table select * from kudu_source_table;
注意事项
1. 若需要使用 Impala 查询 Kudu 数据库的表时，需确认是否已经创建了对应的外表。
2. 非 Impala-shell 创建的表，默认在 Impala 中没有对应的外表，需创建对应的 Kudu 外表才能查到记录。
3. Kudu 作为 Oceanus 的 Sink 端时，若 Kudu 中该表不存在，则会在 Kudu 中创建对应的内表。
Kudu Kerberos 认证授权
1. 登录集群 Master 节点，获取 krb5.conf、emr.keytab文件，路径如下。
/etc/krb5.conf/var/krb5kdc/emr.keytab
2. 对步骤1中获取的文件打 jar 包。
jar cvf kudu-xxx.jar krb5.conf emr.keytab
3. 校验 jar 的结构（可以通过 vim 命令查看 vim kudu-xxx.jar），jar 里面包含如下信息，请确保文件不缺失且结构正确。
META-INF/META-INF/MANIFEST.MFemr.keytabkrb5.conf
4. 在 程序包管理 页面上传 jar 包，并在作业参数配置里引用该程序包。
5. 获取 kerberos principal，用于作业 高级参数 配置。
klist -kt /var/krb5kdc/emr.keytab# 输出如下所示，选取第一个即可：hadoop/172.28.22.43@EMR-E4331BF2KVNO Timestamp Principal---- ------------------- ------------------------------------------------------2 07/06/2023 18:50:41 hadoop/172.28.22.43@EMR-E4331BF22 07/06/2023 18:50:41 HTTP/172.28.22.43@EMR-E4331BF22 07/06/2023 18:50:41 kudu/172.28.22.43@EMR-E4331BF2
6. 作业 高级参数 配置。
containerized.taskmanager.env.HADOOP_USER_NAME: hadoopcontainerized.master.env.HADOOP_USER_NAME: hadoopsecurity.kerberos.login.principal: hadoop/172.28.22.43@EMR-E4331BF2security.kerberos.login.keytab: emr.keytabsecurity.kerberos.login.conf: krb5.conffs.hdfs.hadoop.security.authentication: kerberos
注意：
是
否
本页内容是否解决了您的问题？