系列文章目录
实践数据湖iceberg 第一课 入门
实践数据湖iceberg 第二课 iceberg基于hadoop的底层数据格式
实践数据湖iceberg 第三课 在sqlclient中,以sql方式从kafka读数据到iceberg
实践数据湖iceberg 第四课 在sqlclient中,以sql方式从kafka读数据到iceberg(升级版本到flink1.12.7)
实践数据湖iceberg 第五课 hive catalog特点
实践数据湖iceberg 第六课 从kafka写入到iceberg失败问题 解决
实践数据湖iceberg 第七课 实时写入到iceberg
实践数据湖iceberg 第八课 hive与iceberg集成
实践数据湖iceberg 第九课 合并小文件
实践数据湖iceberg 第十课 快照删除
实践数据湖iceberg 第十一课 测试分区表完整流程(造数、建表、合并、删快照)
实践数据湖iceberg 第十二课 catalog是什么
实践数据湖iceberg 第十三课 metadata比数据文件大很多倍的问题
实践数据湖iceberg 第十四课 元数据合并(解决元数据随时间增加而元数据膨胀的问题)
实践数据湖iceberg 第十五课 spark安装与集成iceberg(jersey包冲突)
实践数据湖iceberg 第十六课 通过spark3打开iceberg的认知之门
实践数据湖iceberg 第十七课 hadoop2.7,spark3 on yarn运行iceberg配置
实践数据湖iceberg 第十八课 多种客户端与iceberg交互启动命令(常用命令)
实践数据湖iceberg 第十九课 flink count iceberg,无结果问题
实践数据湖iceberg 第二十课 flink + iceberg CDC场景(版本问题,测试失败)
实践数据湖iceberg 第二十一课 flink1.13.5 + iceberg0.131 CDC(测试成功INSERT,变更操作失败)
实践数据湖iceberg 第二十二课 flink1.13.5 + iceberg0.131 CDC(CRUD测试成功)
实践数据湖iceberg 第二十三课 flink-sql从checkpoint重启
实践数据湖iceberg 第二十四课 iceberg元数据详细解析
实践数据湖iceberg 第二十五课 后台运行flink sql 增删改的效果
实践数据湖iceberg 第二十六课 checkpoint设置方法
实践数据湖iceberg 第二十七课 flink cdc 测试程序故障重启:能从上次checkpoint点继续工作
实践数据湖iceberg 第二十八课 把公有仓库上不存在的包部署到本地仓库
实践数据湖iceberg 第二十九课 如何优雅高效获取flink的jobId
实践数据湖iceberg 第三十课 mysql->iceberg,不同客户端有时区问题
实践数据湖iceberg 第三十一课 使用github的flink-streaming-platform-web工具,管理flink任务流,测试cdc重启场景
实践数据湖iceberg 第三十二课 DDL语句通过hive catalog持久化方法
实践数据湖iceberg 第三十三课 升级flink到1.14,自带functioin支持json函数
实践数据湖iceberg 第三十四课 基于数据湖icerberg的流批一体架构-流架构测试
实践数据湖iceberg 第三十五课 基于数据湖icerberg的流批一体架构–测试增量读是读全量还是仅读增量
实践数据湖iceberg 第三十六课 基于数据湖icerberg的流批一体架构–update mysql select from icberg语法是增量更新测试
实践数据湖iceberg 第三十七课 kakfa写入iceberg的 icberg表的 enfource ,not enfource测试
实践数据湖iceberg 更多的内容目录
文章目录
前言
测试 iceberg读取kafka的数据,能否根据kafka上的id,入湖时,自动更新iceberg的数据,对这个场景进行测试
测试结果:1.iceberg对从kafka流入的数据,默认是追加写的 2.通过 给iceberg表设置 ‘write.upsert.enabled’ = 'true 参数,可以实现upsert模式
一、测试思路
从kafka制造数据写入iceberg,iceberg设置pk时,观察是追加写入还是更新。
二、测试not enforced代码
2.1 测试代码
测试思路: 1. select from kafka
2. insert to iceberg
代码如下:
CREATE TABLE IF NOT EXISTS KafkaTableTest2_XXZH (
`id` bigint,
`data` STRING
) WITH (
'connector' = 'kafka',
'topic' = 'test2_xxzh',
'properties.bootstrap.servers' = 'hadoop101:9092,hadoop102:9092,hadoop103:9092',
'properties.group.id' = 'testGroup',
'scan.startup.mode' = 'latest-offset',
'csv.ignore-parse-errors'='true',
'format' = 'csv'
);
CREATE CATALOG hive_iceberg_catalog WITH (
'type'='iceberg',
'catalog-type'='hive',
'uri'='thrift://hadoop101:9083',
'clients'='5',
'property-version'='1',
'warehouse'='hdfs:///user/hive/warehouse/hive_iceberg_catalog'
);
use catalog hive_iceberg_catalog;
CREATE TABLE IF NOT EXISTS ods_base.IcebergTest2_XXZH (
`id` bigint,
`data` STRING,
primary key (id) not enforced
)with(
'write.metadata.delete-after-commit.enabled'='true',
'write.metadata.previous-versions-max'='5',
'format-version'='2'
);
insert into hive_iceberg_catalog.ods_base.IcebergTest2_XXZH select * from default_catalog.default_database.KafkaTableTest2_XXZH;
2.2 制造数据
[root@hadoop101 conf]# kafka-console-producer.sh --broker-list hadoop101:9092,hadoop102:9092,hadoop103:9092 --topic test2_xxzh
>1,abc
[2022-07-22 14:55:51,643] WARN [Producer clientId=console-producer] Error while fetching metadata with correlation id 3 : {test2_xxzh=LEADER_NOT_AVAILABLE} (org.apache.kafka.clients.NetworkClient)
>2,bb
>3,cc
>4,dd
>5,ee
>3,cccc
>6,666
>4,ddddd
>
2.3 运行结果
spark-sql (default)> select * from ods_base.IcebergTest2_XXZH;
22/07/22 15:12:28 WARN HiveConf: HiveConf of name hive.metastore.event.db.notification.api.auth does not exist
id data
3 cc
4 ddddd
5 ee
3 cccc
6 666
4 dd
Time taken: 0.405 seconds, Fetched 6 row(s)
flink-sql的运行结果:
2.4 运行结论
无法根据kafka声明的pk对iceberg进行更新。 iceberg是追加的模式写入的。
三、 改为enforce,报错
3.1 测试代码
iceberg表的pk 改为enforced,重跑
Flink SQL> CREATE TABLE IF NOT EXISTS KafkaTableTest3_XXZH (
> `id` bigint,
> `data` STRING
> ) WITH (
> 'connector' = 'kafka',
> 'topic' = 'test2_xxzh',
> 'properties.bootstrap.servers' = 'hadoop101:9092,hadoop102:9092,hadoop103:9092',
> 'properties.group.id' = 'testGroup',
> 'scan.startup.mode' = 'latest-offset',
> 'csv.ignore-parse-errors'='true',
> 'format' = 'csv'
> );
>
[INFO] Execute statement succeed.
Flink SQL> CREATE CATALOG hive_iceberg_catalog WITH (
> 'type'='iceberg',
> 'catalog-type'='hive',
> 'uri'='thrift://hadoop101:9083',
> 'clients'='5',
> 'property-version'='1',
> 'warehouse'='hdfs:///user/hive/warehouse/hive_iceberg_catalog'
> );
[INFO] Execute statement succeed.
Flink SQL> use catalog hive_iceberg_catalog;
[INFO] Execute statement succeed.
Flink SQL> CREATE TABLE IF NOT EXISTS ods_base.IcebergTest3_XXZH (
> `id` bigint,
> `data` STRING,
> primary key (id) enforced
> )with(
> 'write.metadata.delete-after-commit.enabled'='true',
> 'write.metadata.previous-versions-max'='5',
> 'format-version'='2'
> );
[ERROR] Could not execute SQL statement. Reason:
org.apache.flink.table.api.ValidationException: Flink doesn't support ENFORCED mode for PRIMARY KEY constraint. ENFORCED/NOT ENFORCED controls if the constraint checks are performed on the incoming/outgoing data. Flink does not own the data therefore the only supported mode is the NOT ENFORCED mode
报错信息:
org.apache.flink.table.api.ValidationException: Flink doesn’t support ENFORCED mode for PRIMARY KEY constraint. ENFORCED/NOT ENFORCED controls if the constraint checks are performed on the incoming/outgoing data. Flink does not own the data therefore the only supported mode is the NOT ENFORCED mode
flink没有自己拥有这些数据,所以只支持的模式是非强值的。
结论: iceberg是没有进行根据pk对数据进行update
四、 ‘write.upsert.enabled’ = ‘true’, 设置这个参数实现upsert功能
CREATE TABLE IF NOT EXISTS ods_base.IcebergTest4_XXZH (
`id` bigint,
`data` STRING,
primary key (id) not enforced
)with(
'format-version' = '2',
'write.upsert.enabled' = 'true',
'write.distribution-mode'='hash',
'write.metadata.delete-after-commit.enabled'='true',
'write.metadata.previous-versions-max'='3'
);
[root@hadoop102 module]# kafka-console-producer.sh --topic test4_xxzh --broker-list hadoop101:9092,hadoop102:9092,hadoop103:9092
>2,222
>3,333 (这里暂停,去spark观察)
>2,bbbb
>3,cccc
>4,444
>5,555
初始化数据
spark-sql (default)> select * from ods_base.IcebergTest4_XXZH ;
id data
2 222
3 333
更新数据,id=2,3的内容都更新了
spark-sql (default)> select * from ods_base.IcebergTest4_XXZH ;
22/07/26 19:24:58 WARN HiveConf: HiveConf of name hive.metastore.event.db.notification.api.auth does not exist
id data
2 bbbb
4 444
5 555
3 cccc
总结
1.iceberg对从kafka流入的数据,默认是追加写的
2.通过 给iceberg表设置 ‘write.upsert.enabled’ = 'true 参数,可以实现upsert模式