如何在一个简单的 REST客户端使用 SQL,Hadoop,Drill?

根据福雷斯特研究公司(Forrester Research)的观点,SQL将成为Hadoop生态系统中最多产的应用方案之一。Apache Drill 是一个应用于大数据搜索的开源SQL查询引擎。REST服务和客户端已经成为互联网流行的技术。 Apache HBase则是一个广受欢迎的Hadoop NoSQL数据库。在本文中,我将结合 SQL、Hadoop、Drill、REST with JSON、NoSQL 及 HBase 等技术,讨论并展示如何使用 Drill REST API来查询 HBase 和 Hive。同时我也会分享一个使用Drill REST API的简单jQuery客户端,利用JSON做数据交换,提供给用户一个基本的操作界面。

Apache Drill教程和MapR沙箱

Apache Drill提供了直接查询文件中自描述和半结构化数据(类似与JSON和Parquet)以及HBase表的功能,并且查询HBase表时无需在类似Hive元存储的集中式存储中定义和维护表的模式。欲了解更多和下载Drill,请访问http://drill.apache.org/。这个例子是建立在使用Drill的MapR沙箱和Drill教程中示例数据基础上的。含有Apache Drill的MapR沙箱是一个功能全面,单节点的集群,它可以让你在一个Hadoop环境中了解Apache Drill的概况。欲了解更多关于在MapR沙箱中使用Drill的教程,请访问
https://cwiki.apache.org/confluence/display/DRILL/Apache+Drill+Tutorial。(译者注:原文链接不可用,请访问http://drill.apache.org/docs/learn-drill-with-the-mapr-sandbox)

浏览用例数据

Drill教程中的案例是一个在线零售系统,用户可以通过Web的界面和手机应用来购买商品。主要的客户概要信息和产品目录在MapR-DB中管理,这是一个NoSQL的HBase数据库。来自网页端和手机应用端的点击流数据以JSON格式文件的形式存储在Hadoop中,订单数据则是存储在Hive中。通过Drill,我们可以动态查询这些不同数据源,而且甚至可以结合不同的数据源查询。下面的关系图展示了该教程中不同数据源之间的“关系”。

浏览日志数据

利用Drill,你可以对文件和目录直接执行SQL操作,而无需做预先模式定义或者任何模型更改的模式管理动作。查询的同时也能得到相应的模式。下图是使用Drill Explorer来浏览JSON数据,无需定义和管理任何集中的模式。

下面的例子是对一个JSON文件执行SQL语句,查询事务id、设备名称和以cr开头的关键字。

浏览Hive上订单表(Orders)数据

下面的例子是使用Drill Explorer来浏览Hive的order表。Drill可以在不用Hive执行引擎的条件下使用Hive元存储。

浏览HBase的产品表(Products)

HBase是一个NoSQL数据库。MapR-DB是一个企业级的Hadoop NoSQL数据库,它实现了HBase的API,并将其开放以支持应用开发。MapR-DB的使用起来就和HBase一样,但底层实现更为高效,而且它与MapR文件系统是集成的。HBase是一个面向列族的数据库,且是“无模式”的,这意味着当你创建一个表的时候只需要定义列族。在你写数据的时候,列会被动态定义,并且数据都以字节数组的形式存储,而非输入时的类型。

HBase的产品表(products)有两个列族(下图中的details和pricing):

如果查询HBase采用Hive或其他基于Hadoop的SQL(SQL-on-Hadoop)方式,你不得不包装一个模式定义以此明确如何转换二进制的值。不像其他基于Hadoop的SQL方式,Drill在Hive中不需要包装模式定义来操作HBase数据。你可以像如下使用Drill explorer来浏览HBase中产品(products)表。

这是一个使用Drill命令行界面来查询HBase中产品(products)表的示例。

鉴于HBase中任何数据都是以字节数组存储的,以及Drill不需要预先的模式定义来指明数据类型,查询所返回列值的原始字节数组与其存储状态时一致。通过Drill,你可以使用convert_from函数将数据转换到相应的数据类型。另外,列可以像这样指定别名:

为了避免反复写入冗长且复杂的HBase查询语句,通用的工作流程是先创建一个包含有用信息的视图,然后再查询该视图。在ODBC工具,JDBC客户端或本例中的REST客户端中,视图可以使数据以更可用的”表格”形式来便于使用。REST客户端所用的视图是如上所示经过转换与Hive表连接的HBase数据。这是一个基于HBase数据创建视图的查询:

首先切换到可写的工作区:

创建一个HBase中产品表(Products)的视图:

与传统数据库所不同,视图通常都是由DBA/开发人员来操作,Drill中基于文件系统的视图是非常轻量的。一个Drill视图事实上是在一个简单的JSON 文件中定义的虚拟数据集。来看看创建的JSON文件:

你可以像下面一样使用Drill explorer来浏览产品视图表(prodview):

在查询中关联Hive的订单表(Orders)和产品视图表(Prodview)

通过Drill,我们可以在查询中动态地关联Hive、文件和HBase表。举个例子,该查询是从json日志文件中获取device和prod_id,从Hive的订单表中获取order,其中json日志文件的prod_id等于order表中的prod_id。【译者注:原文作者笔误,将查询条件的prod_id写成了cust_id。】

创建一个视图orderprodview,连接HBase的产品表视图(prodview)

【译者注:此处原文作者有误,写的是产品表product】和Hive的订单表(Order):

这是查询视图orderprodview的例子:

Drill视图的用途如下:

  • 简化复杂查询
  • 从多种数据源中聚合数据
  • 与表一样
  • 配有像Tableau一样的BI(Business Intelligence)工具
  • 数据管理灵活
  • 接下来,让我们看看在REST中如何使用这个视图

Drill REST接口

Drill提供了一个简单的REST接口,你可以从Drill wiki上了解到更多https://cwiki.apache.org/confluence/display/DRILL/Apache+Drill+Wiki。这是提交一个查询并收到结果的REST API。你可以通过HTTP POST请求到Drill URL,即<drill_node_ip_address>:8047/query.json,body携带一个JSON格式的Request,如下图所示。你所收到的response响应将是一个JSON对象列表。

使用CURL或者浏览器插件来测试REST接口非常方便。下面这个例子就是从Linux命令行用CURL来发送对orderprodview的查询:

这是使用Google Chrome的一个REST Client扩展来查询orderprodview:

使用Drill REST接口查询订单产品视图的JQuery客户端

现在我们来看看为刚刚的REST查询而做的一个简单JQuery客户端。这是客户端的一个截图。它发起查询给Drill并且在一个表格中展示出了结果。

使用Google Chrome开发者工具,你可以看到HTTP请求如下所示:

而返回的response如下:

一个jQuery客户端

这是参与服务调用的jQuery代码。jQuery客户端使用jquery.ajax来执行HTTP POST到Drill查询URL,将查询数据以JSON的格式传递过去。

如果请求成功,renderList会被调用,该方法如下所示。返回的response数据是一个JSON对象数据,renderList会把订单对象添加到index.html页面的html表格中。

jQuery客户端还提供了搜索产品类目(Product Category)的功能,如下图。

搜索功能的代码只是在查询中添加了where category like ‘searchKey’:

在Chrome开发者工具窗口看到的JSON请求数据是这样的:

以上的例子包含了一个简单的REST客户端,它采用Drill REST API来动态查询HBase和Hive。

想要了解更多如何使用Drill的示例,下载MapR沙箱,然后尝试一下Drill沙箱教程。更多信息可到Apache Drill官方网站获取。

打赏支持我翻译更多好文章,谢谢!

打赏译者

打赏支持我翻译更多好文章,谢谢!

任选一种支付方式

1 1 收藏 评论

关于作者:谭霓

熟悉 java、liunx、php、mysql、hadoop、storm、hbase、redis、spring 等技术,在自动化测试、持续集成等领域有丰富经验。新浪微博:<a href="http://weibo.com/tanni">@无名侠女谭</a> 个人主页 · 我的文章 · 19

相关文章

可能感兴趣的话题



直接登录
跳到底部
返回顶部