配置说明

配置说明

本文介绍使用Nebula Exchange时如何修改配置文件application.conf。

修改配置文件之前，建议您根据数据源复制并修改文件名称，便于区分。例如数据源为CSV文件，可以复制为csv_application.conf。

配置文件的内容主要分为如下几类：

Spark相关配置
Hive配置（可选）
Nebula Graph相关配置
点配置
边配置

Spark相关配置

本文只列出部分Spark参数，更多参数请参见官方文档。

参数	数据类型	默认值	是否必须	说明
`spark.app.name`	string	`Nebula Exchange 2.0`	否	Spark驱动程序名称。
`spark.driver.cores`	int	`1`	否	驱动程序使用的CPU核数，仅适用于集群模式。
`spark.driver.maxResultSize`	string	`1G`	否	单个Spark操作（例如collect）时，所有分区的序列化结果的总大小限制（字节为单位）。最小值为1M，0表示无限制。
`spark.executor.memory`	string	`1G`	否	Spark驱动程序使用的内存量，可以指定单位，例如512M、1G。
`spark.cores.max`	int	`16`	否	当驱动程序以“粗粒度”共享模式在独立部署集群或Mesos集群上运行时，跨集群（而非从每台计算机）请求应用程序的最大CPU核数。如果未设置，则值为Spark的独立集群管理器上的`spark.deploy.defaultCores`或Mesos上的infinite（所有可用的内核）。

Hive配置（可选）

如果Spark和Hive部署在不同集群，才需要配置连接Hive的参数，否则请忽略这些配置。

参数	数据类型	默认值	是否必须	说明
`hive.warehouse`	string	-	是	HDFS中的warehouse路径。用双引号括起路径，以`hdfs://`开头。
`hive.connectionURL`	string	-	是	JDBC连接的URL。例如`“jdbc:mysql://127.0.0.1:3306/hive_spark?characterEncoding=UTF-8”`。
`hive.connectionDriverName`	string	`“com.mysql.jdbc.Driver”`	是	驱动名称。
`hive.connectionUserName`	list[string]	-	是	连接的用户名。
`hive.connectionPassword`	list[string]	-	是	用户名对应的密码。

Nebula Graph相关配置

参数	数据类型	默认值	是否必须	说明
`nebula.address.graph`	list[string]	`[“127.0.0.1:9669”]`	是	所有Graph服务的地址，包括IP和端口，多个地址用英文逗号（,）分隔。格式为`[“ip1:port1”,”ip2:port2”,”ip3:port3”]`。
`nebula.address.meta`	list[string]	`[“127.0.0.1:9559”]`	是	所有Meta服务的地址，包括IP和端口，多个地址用英文逗号（,）分隔。格式为`[“ip1:port1”,”ip2:port2”,”ip3:port3”]`。
`nebula.user`	string	-	是	拥有Nebula Graph写权限的用户名。
`nebula.pswd`	string	-	是	用户名对应的密码。
`nebula.space`	string	-	是	需要导入数据的的图空间名称。
`nebula.path.local`	string	`“/tmp”`	否	（TODO:coding）导入SST文件时需要设置本地SST文件路径。
`nebula.path.remote`	string	`“/sst”`	否	（TODO:coding）导入SST文件时需要设置远端SST文件路径。
`nebula.path.hdfs.namenode`	string	`“hdfs://name_node:9000”`	否	（TODO:coding）导入SST文件时需要设置HDFS的namenode。
`nebula.connection.timeout`	int	`3000`	否	Thrift连接的超时时间，单位为 ms。
`nebula.connection.retry`	int	`3`	否	Thrift连接重试次数。
`nebula.execution.retry`	int	`3`	否	nGQL语句执行重试次数。
`nebula.error.max`	int	`32`	否	导入过程中的最大失败次数。当失败次数达到最大值时，提交的Spark作业将自动停止。
`nebula.error.output`	string	`/tmp/errors`	否	输出错误日志的路径。错误日志保存执行失败的nGQL语句。
`nebula.rate.limit`	int	`1024`	否	导入数据时令牌桶的令牌数量限制。
`nebula.rate.timeout`	int	`1000`	否	令牌桶中拿取令牌的超时时间，单位：毫秒。

点配置

对于不同的数据源，点的配置也有所不同，有很多通用参数，也有部分特有参数，配置时需要配置通用参数和不同数据源的特有参数。

通用参数

参数	数据类型	默认值	是否必须	说明
`tags.name`	string	-	是	Nebula Graph中定义的标签名称。
`tags.type.source`	string	-	是	指定数据源。例如`csv`。
`tags.type.sink`	string	`client`	是	指定导入方式，可选值为`client`和`SST`（暂不支持）。
`tags.fields`	list[string]	-	是	属性对应的列的表头或列名。如果有表头或列名，请直接使用该名称。如果CSV文件没有表头，用`[_c0, _c1, _c2]`的形式表示第一列、第二列、第三列，以此类推。
`tags.nebula.fields`	list[string]	-	是	Nebula Graph中定义的属性名称，顺序必须和`tags.fields`一一对应。例如`[_c1, _c2]`对应`[name, age]`，表示第二列为属性name的值，第三列为属性age的值。
`tags.vertex.field`	string	-	是	点ID的列。例如CSV文件没有表头时，可以用`_c0`表示第一列的值作为点ID。
`tags.batch`	int	`256`	是	单批次写入Nebula Graph的最大点数量。
`tags.partition`	int	`32`	是	Spark分片数量。

Parquet/JSON/ORC源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.path`	string	-	是	HDFS中点数据文件的路径。用双引号括起路径，以`hdfs://`开头。

CSV源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.path`	string	-	是	HDFS中点数据文件的路径。用双引号括起路径，以`hdfs://`开头。
`tags.separator`	string	`,`	是	分隔符。默认值为英文逗号（,）。
`tags.header`	bool	`true`	是	文件是否有表头。

Hive源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.exec`	string	-	是	查询数据源的语句。例如`select name,age from mooc.users`。

Neo4j源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.exec`	string	-	是	查询数据源的语句。例如`match (n:label) return n.neo4j-field-0`。
`tags.server`	string	`“bolt://127.0.0.1:7687”`	是	Neo4j服务器地址。
`tags.user`	string	-	是	拥有读取权限的Neo4j用户名。
`tags.password`	string	-	是	用户名对应密码。
`tags.database`	string	-	是	Neo4j中保存源数据的数据库名。
`tags.check_point_path`	string	`/tmp/test`	否	设置保存导入进度信息的目录，用于断点续传。如果未设置，表示不启用断点续传。

MySQL源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.host`	string	-	是	MySQL服务器地址。
`tags.port`	string	-	是	MySQL服务器端口。
`tags.database`	string	-	是	数据库名称。
`tags.table`	string	-	是	需要作为数据源的表名称。
`tags.user`	string	-	是	拥有读取权限的MySQL用户名。
`tags.password`	string	-	是	用户名对应密码。
`tags.sentence`	string	-	是	查询数据源的语句。例如`“select teamid, name from basketball.team order by teamid;”`。

Hbase源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.host`	string	`127.0.0.1`	是	Hbase服务器地址。
`tags.port`	string	`2181`	是	Hbase服务器端口。
`tags.table`	string	-	是	需要作为数据源的表名称。
`tags.columnFamily`	string	-	是	表所属的列族（column family）。

Pulsar源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.service`	string	`“pulsar://localhost:6650”`	是	Pulsar服务器地址。
`tags.admin`	string	`“http://localhost:8081“`	是	连接pulsar的admin.url。
`tags.options.<topic\|topics\| topicsPattern>`	string	-	是	Pulsar的选项，可以从`topic`、`topics`和`topicsPattern`选择一个进行配置。
`tags.interval.seconds`	int	`10`	是	读取消息的间隔。单位：秒。

Kafka源特有参数

参数	数据类型	默认值	是否必须	说明
`tags.service`	string	-	是	Kafka服务器地址。
`tags.topic`	string	-	是	消息类别。
`tags.interval.seconds`	int	`10`	是	读取消息的间隔。单位：秒。

边配置

对于不同的数据源，边的配置也有所不同，有很多通用参数，也有部分特有参数，配置时需要配置通用参数和不同数据源的特有参数。

边配置的不同数据源特有参数请参见上方点配置内的特有参数介绍，注意区分tags和edges即可。

通用参数

参数	数据类型	默认值	是否必须	说明
`edges.name`	string	-	是	Nebula Graph中定义的边类型名称。
`edges.type.source`	string	-	是	指定数据源。例如`csv`。
`edges.type.sink`	string	`client`	是	指定导入方式，可选值为`client`和`SST`（暂不支持）。
`edges.fields`	list[string]	-	是	属性对应的列的表头或列名。如果有表头或列名，请直接使用该名称。如果CSV文件没有表头，用`[_c0, _c1, _c2]`的形式表示第一列、第二列、第三列，以此类推。
`edges.nebula.fields`	list[string]	-	是	Nebula Graph中定义的属性名称，顺序必须和`edges.fields`一一对应。例如`[_c2, _c3]`对应`[start_year, end_year]`，表示第三列为开始年份的值，第四列为结束年份的值。
`edges.source.field`	string	-	是	边的起始点的列。例如`_c0`表示第一列的值作为边的起始点。
`edges.target.field`	string	-	是	边的目的点的列。例如`_c1`表示第二列的值作为边的目的点。
`edges.ranking`	int	-	否	rank值的列。没有指定时，默认所有rank值为`0`。
`edges.batch`	int	`256`	是	单批次写入Nebula Graph的最大边数量。
`edges.partition`	int	`32`	是	Spark分片数量。

配置参数

配置说明

Spark相关配置

Hive配置（可选）

Nebula Graph相关配置

点配置

通用参数

Parquet/JSON/ORC源特有参数

CSV源特有参数

Hive源特有参数

Neo4j源特有参数

MySQL源特有参数

Hbase源特有参数

Pulsar源特有参数

Kafka源特有参数

边配置

通用参数