导入Kafka数据

本文简单说明如何使用Exchange将存储在Kafka上的数据导入Nebula Graph。

环境配置

本文示例在MacOS下完成，以下是相关的环境配置信息：

  • 硬件规格：

    • CPU：1.7 GHz Quad-Core Intel Core i7
    • 内存：16 GB

  • Spark：2.4.7，单机版

  • Nebula Graph：2.0.1。使用Docker Compose部署。

前提条件

开始导入数据之前，用户需要确认以下信息：

  • 已经安装部署Nebula Graph并获取如下信息：

    • Graph服务和Meta服务的的IP地址和端口。

    • 拥有Nebula Graph写权限的用户名和密码。

  • 已经编译Exchange。详情请参见编译Exchange。本示例中使用Exchange 2.1.0。

  • 已经安装Spark。

  • 了解Nebula Graph中创建Schema的信息，包括Tag和Edge type的名称、属性等。

  • 已经安装并开启Kafka服务。

操作步骤

步骤 1：在Nebula Graph中创建Schema

分析数据，按以下步骤在Nebula Graph中创建Schema：

  1. 确认Schema要素。Nebula Graph中的Schema要素如下表所示。

    要素名称属性
    Tagplayername string, age int
    Tagteamname string
    Edge Typefollowdegree int
    Edge Typeservestart_year int, end_year int

  2. 在Nebula Graph中创建一个图空间basketballplayer，并创建一个Schema，如下所示。

    1. ## 创建图空间
    2. nebula> CREATE SPACE basketballplayer \
    3.         (partition_num = 10, \
    4.         replica_factor = 1, \
    5.         vid_type = FIXED_STRING(30));
    7. ## 选择图空间basketballplayer
    8. nebula> USE basketballplayer;
    10. ## 创建Tag player
    11. nebula> CREATE TAG player(name string, age int);
    13. ## 创建Tag team
    14. nebula> CREATE TAG team(name string);
    16. ## 创建Edge type follow
    17. nebula> CREATE EDGE follow(degree int);
    19. ## 创建Edge type serve
    20. nebula> CREATE EDGE serve(start_year int, end_year int);

更多信息，请参见快速开始。

步骤 2：修改配置文件

编译Exchange后，复制target/classes/application.conf文件设置Kafka数据源相关的配置。在本示例中，复制的文件名为kafka_application.conf。各个配置项的详细说明请参见配置说明。

  1. {
  2.   # Spark相关配置
  3.   spark: {
  4.     app: {
  5.       name: Nebula Exchange 2.1.0
  6.     }
  7.     driver: {
  8.       cores: 1
  9.       maxResultSize: 1G
  10.     }
  11.     cores {
  12.       max: 16
  13.     }
  14.   }
  17.   # Nebula Graph相关配置
  18.   nebula: {
  19.     address:{
  20.       # 以下为Nebula Graph的Graph服务和Meta服务所在机器的IP地址及端口。
  21.       # 如果有多个地址，格式为 "ip1:port","ip2:port","ip3:port"。
  22.       # 不同地址之间以英文逗号 (,) 隔开。
  23.       graph:["127.0.0.1:9669"]
  24.       meta:["127.0.0.1:9559"]
  25.     }
  26.     # 填写的账号必须拥有Nebula Graph相应图空间的写数据权限。
  27.     user: root
  28.     pswd: nebula
  29.     # 填写Nebula Graph中需要写入数据的图空间名称。
  30.     space: basketballplayer
  31.     connection {
  32.       timeout: 3000
  33.       retry: 3
  34.     }
  35.     execution {
  36.       retry: 3
  37.     }
  38.     error: {
  39.       max: 32
  40.       output: /tmp/errors
  41.     }
  42.     rate: {
  43.       limit: 1024
  44.       timeout: 1000
  45.     }
  46.   }
  47.   # 处理点
  48.   tags: [
  49.     # 设置Tag player相关信息。
  50.     {
  51.       # Nebula Graph中对应的Tag名称。
  52.       name: player
  53.       type: {
  54.         # 指定数据源文件格式，设置为Kafka。
  55.         source: kafka
  56.         # 指定如何将点数据导入Nebula Graph：Client或SST。
  57.         sink: client
  58.       }
  59.       # Kafka服务器地址。
  60.       service: "127.0.0.1:9092"
  61.       # 消息类别。
  62.       topic: "topic_name"
  64.       # 在fields里指定player表中的列名称，其对应的value会作为Nebula Graph中指定属性。
  65.       # fields和nebula.fields里的配置必须一一对应。
  66.       # 如果需要指定多个列名称，用英文逗号（,）隔开。
  67.       fields: [age,name]
  68.       nebula.fields: [age,name]
  70.       # 指定表中某一列数据为Nebula Graph中点VID的来源。
  71.       vertex:{
  72.           field:playerid
  73.       }
  76.       # 单次写入 Nebula Graph 的最大数据条数。
  77.       batch: 10
  79.       # Spark 分区数量
  80.       partition: 10
  81.       # 读取消息的间隔。单位：秒。
  82.       interval.seconds: 10
  83.     }
  84.     # 设置Tag team相关信息。
  85.     {
  86.       name: team
  87.       type: {
  88.         source: kafka
  89.         sink: client
  90.       }
  91.       service: "127.0.0.1:9092"
  92.       topic: "topic_name"
  93.       fields: [name]
  94.       nebula.fields: [name]
  95.       vertex:{
  96.           field:teamid
  97.       }
  98.       batch: 10
  99.       partition: 10
  100.       interval.seconds: 10
  101.     }
  103.   ]
  105.   # 处理边数据
  106.   edges: [
  107.     # 设置Edge type follow相关信息
  108.     {
  109.       # Nebula Graph中对应的Edge type名称。
  110.       name: follow
  112.       type: {
  113.         # 指定数据源文件格式，设置为Kafka。
  114.         source: kafka
  116.         # 指定边数据导入Nebula Graph的方式，
  117.         # 指定如何将点数据导入Nebula Graph：Client或SST。
  118.         sink: client
  119.       }
  121.       # Kafka服务器地址。
  122.       service: "127.0.0.1:9092"
  123.       # 消息类别。
  124.       topic: "topic_name"
  126.       # 在fields里指定follow表中的列名称，其对应的value会作为Nebula Graph中指定属性。
  127.       # fields和nebula.fields里的配置必须一一对应。
  128.       # 如果需要指定多个列名称，用英文逗号（,）隔开。
  129.       fields: [degree]
  130.       nebula.fields: [degree]
  132.       # 在source里，将follow表中某一列作为边的起始点数据源。
  133.       # 在target里，将follow表中某一列作为边的目的点数据源。
  134.       source:{
  135.           field:src_player
  136.       }
  139.       target:{
  140.           field:dst_player
  141.       }
  144.       # 单次写入 Nebula Graph 的最大数据条数。
  145.       batch: 10
  147.       # Spark 分区数量
  148.       partition: 10
  150.       # 读取消息的间隔。单位：秒。
  151.       interval.seconds: 10
  152.     }
  154.     # 设置Edge type serve相关信息
  155.     {
  156.       name: serve
  157.       type: {
  158.         source: kafka
  159.         sink: client
  160.       }
  161.       service: "127.0.0.1:9092"
  162.       topic: "topic_name"
  164.       fields: [start_year,end_year]
  165.       nebula.fields: [start_year,end_year]
  166.       source:{
  167.           field:playerid
  168.       }
  170.       target:{
  171.           field:teamid
  172.       }
  174.       batch: 10
  175.       partition: 10
  176.       interval.seconds: 10
  177.     }
  178.   ]
  179. }

步骤 3：向Nebula Graph导入数据

运行如下命令将Kafka数据导入到Nebula Graph中。关于参数的说明，请参见导入命令参数。

  1. ${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.exchange.Exchange <nebula-exchange-2.1.0.jar_path> -c <kafka_application.conf_path>

示例：

  1. ${SPARK_HOME}/bin/spark-submit  --master "local" --class com.vesoft.nebula.exchange.Exchange  /root/nebula-spark-utils/nebula-exchange/target/nebula-exchange-2.1.0.jar  -c /root/nebula-spark-utils/nebula-exchange/target/classes/kafka_application.conf

用户可以在返回信息中搜索batchSuccess.<tag_name/edge_name>，确认成功的数量。例如batchSuccess.follow: 300。

步骤 4：（可选）验证数据

用户可以在Nebula Graph客户端（例如Nebula Graph Studio）中执行查询语句，确认数据是否已导入。例如：

  1. GO FROM "player100" OVER follow;

用户也可以使用命令SHOW STATS查看统计数据。

步骤 5：（如有）在Nebula Graph中重建索引

导入数据后，用户可以在Nebula Graph中重新创建并重建索引。详情请参见索引介绍。