导入MySQL数据

本文以一个示例说明如何使用Exchange将存储在MySQL上的数据导入Nebula Graph。

数据集

本文以basketballplayer数据集为例。

在本示例中，该数据集已经存入MySQL中名为basketball的数据库中，以player、team、follow和serve四个表存储了所有点和边的信息。以下为各个表的结构。

  1. mysql> desc player;
  2. +----------+-------------+------+-----+---------+-------+
  3. | Field    | Type        | Null | Key | Default | Extra |
  4. +----------+-------------+------+-----+---------+-------+
  5. | playerid | varchar(30) | YES  |     | NULL    |       |
  6. | age      | int         | YES  |     | NULL    |       |
  7. | name     | varchar(30) | YES  |     | NULL    |       |
  8. +----------+-------------+------+-----+---------+-------+
  10. mysql> desc team;
  11. +--------+-------------+------+-----+---------+-------+
  12. | Field  | Type        | Null | Key | Default | Extra |
  13. +--------+-------------+------+-----+---------+-------+
  14. | teamid | varchar(30) | YES  |     | NULL    |       |
  15. | name   | varchar(30) | YES  |     | NULL    |       |
  16. +--------+-------------+------+-----+---------+-------+
  18. mysql> desc follow;
  19. +------------+-------------+------+-----+---------+-------+
  20. | Field      | Type        | Null | Key | Default | Extra |
  21. +------------+-------------+------+-----+---------+-------+
  22. | src_player | varchar(30) | YES  |     | NULL    |       |
  23. | dst_player | varchar(30) | YES  |     | NULL    |       |
  24. | degree     | int         | YES  |     | NULL    |       |
  25. +------------+-------------+------+-----+---------+-------+
  27. mysql> desc serve;
  28. +------------+-------------+------+-----+---------+-------+
  29. | Field      | Type        | Null | Key | Default | Extra |
  30. +------------+-------------+------+-----+---------+-------+
  31. | playerid   | varchar(30) | YES  |     | NULL    |       |
  32. | teamid     | varchar(30) | YES  |     | NULL    |       |
  33. | start_year | int         | YES  |     | NULL    |       |
  34. | end_year   | int         | YES  |     | NULL    |       |
  35. +------------+-------------+------+-----+---------+-------+

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

  • Hadoop：2.9.2，伪分布式部署

  • MySQL： 8.0.23

  • 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Hadoop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MySQL数据源相关的配置。在本示例中，复制的文件名为mysql_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.   }
  16. # Nebula Graph相关配置
  17.   nebula: {
  18.     address:{
  19.       # 以下为Nebula Graph的Graph服务和Meta服务所在机器的IP地址及端口。
  20.       # 如果有多个地址，格式为 "ip1:port","ip2:port","ip3:port"。
  21.       # 不同地址之间以英文逗号 (,) 隔开。
  22.       graph:["127.0.0.1:9669"]
  23.       meta:["127.0.0.1:9559"]
  24.     }
  25.     # 填写的账号必须拥有Nebula Graph相应图空间的写数据权限。
  26.     user: root
  27.     pswd: nebula
  28.     # 填写Nebula Graph中需要写入数据的图空间名称。
  29.     space: basketballplayer
  30.     connection {
  31.       timeout: 3000
  32.       retry: 3
  33.     }
  34.     execution {
  35.       retry: 3
  36.     }
  37.     error: {
  38.       max: 32
  39.       output: /tmp/errors
  40.     }
  41.     rate: {
  42.       limit: 1024
  43.       timeout: 1000
  44.     }
  45.   }
  46.   # 处理点
  47.   tags: [
  48.     # 设置Tag player相关信息。
  49.     {
  50.       # Nebula Graph中对应的Tag名称。
  51.       name: player
  52.       type: {
  53.         # 指定数据源文件格式，设置为MySQL。
  54.         source: mysql
  55.         # 指定如何将点数据导入Nebula Graph：Client或SST。
  56.         sink: client
  57.       }
  59.       host:192.168.11.13
  60.       port:3306
  61.       database:"basketball"
  62.       table:"player"
  63.       user:"test"
  64.       password:"123456"
  65.       sentence:"select playerid, age, name from basketball.player order by playerid;"
  67.       # 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。
  68.       # fields和nebula.fields里的配置必须一一对应。
  69.       # 如果需要指定多个列名称，用英文逗号（,）隔开。
  70.       fields: [age,name]
  71.       nebula.fields: [age,name]
  73.       # 指定表中某一列数据为Nebula Graph中点VID的来源。
  74.       # vertex.field的值必须与上述fields中的列名保持一致。
  75.       vertex: {
  76.         field:playerid
  77.       }
  79.       # 单次写入 Nebula Graph 的最大数据条数。
  80.       batch: 256
  82.       # Spark 分区数量
  83.       partition: 32
  84.     }
  85.     # 设置Tag team相关信息。
  86.     {
  87.       name: team
  88.       type: {
  89.         source: mysql
  90.         sink: client
  91.       }
  93.       host:192.168.11.13
  94.       port:3306
  95.       database:"basketball"
  96.       table:"team"
  97.       user:"test"
  98.       password:"123456"
  99.       sentence:"select teamid, name from basketball.team order by teamid;"
  101.       fields: [name]
  102.       nebula.fields: [name]
  103.       vertex: {
  104.         field: teamid
  105.       }
  106.       batch: 256
  107.       partition: 32
  108.     }
  110.   ]
  112.   # 处理边数据
  113.   edges: [
  114.     # 设置Edge type follow相关信息
  115.     {
  116.       # Nebula Graph中对应的Edge type名称。
  117.       name: follow
  119.       type: {
  120.         # 指定数据源文件格式，设置为MySQL。
  121.         source: mysql
  123.         # 指定边数据导入Nebula Graph的方式，
  124.         # 指定如何将点数据导入Nebula Graph：Client或SST。
  125.         sink: client
  126.       }
  128.       host:192.168.11.13
  129.       port:3306
  130.       database:"basketball"
  131.       table:"follow"
  132.       user:"test"
  133.       password:"123456"
  134.       sentence:"select src_player,dst_player,degree from basketball.follow order by src_player;"
  136.       # 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。
  137.       # fields和nebula.fields里的配置必须一一对应。
  138.       # 如果需要指定多个列名称，用英文逗号（,）隔开。
  139.       fields: [degree]
  140.       nebula.fields: [degree]
  142.       # 在source里，将follow表中某一列作为边的起始点数据源。
  143.       # 在target里，将follow表中某一列作为边的目的点数据源。
  144.       source: {
  145.         field: src_player
  146.       }
  148.       target: {
  149.         field: dst_player
  150.       }
  152.       # 单次写入 Nebula Graph 的最大数据条数。
  153.       batch: 256
  155.       # Spark 分区数量
  156.       partition: 32
  157.     }
  159.     # 设置Edge type serve相关信息
  160.     {
  161.       name: serve
  162.       type: {
  163.         source: mysql
  164.         sink: client
  165.       }
  167.       host:192.168.11.13
  168.       port:3306
  169.       database:"basketball"
  170.       table:"serve"
  171.       user:"test"
  172.       password:"123456"
  173.       sentence:"select playerid,teamid,start_year,end_year from basketball.serve order by playerid;"
  174.       fields: [start_year,end_year]
  175.       nebula.fields: [start_year,end_year]
  176.       source: {
  177.         field: playerid
  178.       }
  179.       target: {
  180.         field: teamid
  181.       }
  182.       batch: 256
  183.       partition: 32
  184.     }
  185.   ]
  186. }

步骤 3：向Nebula Graph导入数据

运行如下命令将MySQL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 <mysql_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/mysql_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。