阿里云 Data Lake Formation(DLF) 是阿里云上的统一元数据管理服务。兼容 Hive Metastore 协议。

什么是 Data Lake Formation

因此我们也可以和访问 Hive Metastore 一样，连接并访问 DLF。

连接 DLF

创建 DLF Catalog

CREATE CATALOG dlf PROPERTIES (
   "type"="hms",
   "hive.metastore.type" = "dlf",
   "dlf.proxy.mode" = "DLF_ONLY",
   "dlf.endpoint" = "datalake-vpc.cn-beijing.aliyuncs.com",
   "dlf.region" = "cn-beijing",
   "dlf.uid" = "uid",
   "dlf.catalog.id" = "catalog_id", //可选
   "dlf.access_key" = "ak",
   "dlf.secret_key" = "sk"
);

其中 type 固定为 hms。如果需要公网访问阿里云对象存储的数据，可以设置 "dlf.access.public"="true"

• dlf.endpoint：DLF Endpoint，参阅：DLF Region 和 Endpoint 对照表
• dlf.region：DLF Region，参阅：DLF Region 和 Endpoint 对照表
• dlf.uid：阿里云账号。即阿里云控制台右上角个人信息的“云账号 ID”。
• dlf.catalog.id(可选)：Catalog Id。用于指定数据目录，如果不填，使用默认的 Catalog ID。
• dlf.access_key：AccessKey。可以在 阿里云控制台 中创建和管理。
• dlf.secret_key：SecretKey。可以在 阿里云控制台 中创建和管理。

其他配置项为固定值，无需改动。

之后，可以像正常的 Hive MetaStore 一样，访问 DLF 下的元数据。

同 Hive Catalog 一样，支持访问 DLF 中的 Hive/Iceberg/Hudi 的元数据信息。

使用开启了 HDFS 服务的 OSS 存储数据

1. 确认 OSS 开启了 HDFS 服务。开通并授权访问 OSS-HDFS 服务。

2. 下载 SDK。JindoData SDK 下载。如果集群上已有 SDK 目录，忽略这一步。

3. 解压下载后的 jindosdk.tar.gz 或者在集群上找到 Jindo SDK 的目录，将其 lib 目录下的jindo-core.jar、jindo-sdk.jar放到${DORIS_HOME}/fe/lib和${DORIS_HOME}/be/lib/java_extensions/preload-extensions目录下。

4. 创建 DLF Catalog，并配置oss.hdfs.enabled为true：

   CREATE CATALOG dlf_oss_hdfs PROPERTIES (
      "type"="hms",
      "hive.metastore.type" = "dlf",
      "dlf.proxy.mode" = "DLF_ONLY",
      "dlf.endpoint" = "datalake-vpc.cn-beijing.aliyuncs.com",
      "dlf.region" = "cn-beijing",
      "dlf.uid" = "uid",
      "dlf.catalog.id" = "catalog_id", //可选
      "dlf.access_key" = "ak",
      "dlf.secret_key" = "sk",
      "oss.hdfs.enabled" = "true"
   );

5. 当 Jindo SDK 版本与 EMR 集群上所用的版本不一致时，会出现Plugin not found的问题，需更换到对应版本。

访问 DLF Iceberg 表

CREATE CATALOG dlf_iceberg PROPERTIES (
   "type"="iceberg",
   "iceberg.catalog.type" = "dlf",
   "dlf.proxy.mode" = "DLF_ONLY",
   "dlf.endpoint" = "datalake-vpc.cn-beijing.aliyuncs.com",
   "dlf.region" = "cn-beijing",
   "dlf.uid" = "uid",
   "dlf.catalog.id" = "catalog_id", //可选
   "dlf.access_key" = "ak",
   "dlf.secret_key" = "sk"
);

列类型映射

和 Hive Catalog 一致，可参阅 Hive Catalog 中 列类型映射 一节。