5分钟使用Hologres实时湖仓加速分析挑战赛来袭

news2024/9/21 2:32:35

活动简介

5分钟快速使用Hologres实时湖仓能力，加速分析数据湖OSS上Hudi、Delta、Paimon、ORC等格式数据，赢取精美礼品

活动入口：Hologres实时湖仓分析挑战赛-阿里云开发者社区或点击文末【阅读全文】参与挑战

活动时间

2024年1月4日-2023年1月30日

活动奖品

挑战奖：小米充电宝15个，非教程代码执行SQL，完成运行速度对比
一等奖：LAMY钢笔1个，作品点赞数位列第1名，且点赞数≥20个
二等奖：小米背包20个，作品点赞数位列第2-21名，且点赞数≥10个
参与奖：社区积分，每位参赛者可获得社区100积分

准备工作

本文以上海地域为例开通OSS、DLF和Hologres服务。

开通OSS服务并准备测试数据。

1. 打开OSS开通页面，按照界面指引完成开通操作。说明

- - 若您是新用户，可以免费试用OSS。

1. 登录OSS管理控制台，创建存储空间（Bucket）。具体操作，请参见控制台快速入门。

1. 上传tpch_10g_orc_3.zip测试数据至Bucket目录。

测试数据文件上传后，若存在.DS_Store等文件需手动删除。
考虑到下载速度，这里仅包含本文需要的nation_orc、supplier_orc、partsupp_orc数据表。

开通DLF服务并导入OSS测试数据。

1. 访问开通DLF页面，您也可以单击免费开通，免费试用DLF产品。
2. 登录数据湖管理控制台，在元数据管理页面，单击新建数据库。具体操作，请参见创建元数据库。
  本文以创建mydatabase数据库为例。
3. 在元数据抽取页面，创建元数据抽取任务，将OSS测试数据导入。具体操作，请参见元数据抽取。
  抽取完成后，您可以在元数据管理页面的数据表页签查看。

参数配置	字段描述
抽取任务名称	元数据抽取任务的名称，输入为中英文数字和（_）。
OSS路径	指定待抽取数据的OSS目录。
解析格式	支持json、csv、parquet、orc、hudi、delta、avro中某一类格式进行抽取，或采用自动识别模式会对数据文件自动解析。
目标数据库	抽取获取的元数据存储的元数据库位置。

开通Hologres服务并购买Hologres实例。具体操作，请参见购买Hologres。
若您是新用户可以申请免费试用Hologres，为保证使用体验，免费试用请选择32C配置，若您没有免费试用规格，可以购买Hologres按量付费

步骤一：配置环境

在Hologres实例中开启数据湖加速功能。
访问Hologres实例列表，单击目标实例操作列中的数据湖加速并确认，开启数据湖加速功能后，Hologres实例将重启。
登录Hologres实例，创建数据库。具体操作，请参见连接HoloWeb。

（可选）创建Extension。本文以dlf_fdw为例。
说明
Hologres V2.1版本已默认创建，您无需进行此操作。您可以访问Hologres实例列表，在实例详情页面确认您的实例版本。

CREATE EXTENSION IF NOT EXISTS dlf_fdw;

说明
使用Superuser在SQL编辑器-HoloWeb中执行上述语句创建Extension，该操作针对整个DB生效，一个DB只需执行一次。关于Hologres账号授权详情，请参见授权服务账号。

在SQL编辑器-HoloWeb，执行以下语句，创建dlf_server外部服务器并配置Endpoint信息，确保Hologres、DLF和OSS之间的正常访问。关于更多的创建方式和相关参数介绍详情，请参见创建外部服务器。

--创建外部服务器，以上海reigon为例
CREATE SERVER IF NOT EXISTS dlf_server FOREIGN data wrapper dlf_fdw options (
    dlf_region 'cn-shanghai',
    dlf_endpoint 'dlf-share.cn-shanghai.aliyuncs.com',
    oss_endpoint 'oss-cn-shanghai-internal.aliyuncs.com');

步骤二：通过Hologres外部表查询OSS数据湖

Hologres外部表保存与OSS数据湖数据的映射关系，数据在OSS数据湖中存储，不占用Hologres存储空间，查询性能一般在秒级至分钟级。

创建Hologres外部表，并将OSS数据湖数据映射至Hologres外部表。

IMPORT FOREIGN SCHEMA mydatabase LIMIT TO ----本文以mydatabase为例，创建时需替换为您在DLF元数据管理中的自定义的数据库名称
(
  nation_orc,
  supplier_orc,
  partsupp_orc
)
FROM SERVER dlf_server INTO public options (if_table_exist 'update');

数据查询。
创建外部表成功后，可以直接查询外部表读取OSS中的数据。示例语句如下。

--TPCH Q11查询语句
select
        ps_partkey,
        sum(ps_supplycost * ps_availqty) as value
from
        partsupp_orc,
        supplier_orc,
        nation_orc
where
        ps_suppkey = s_suppkey
        and s_nationkey = n_nationkey
        and RTRIM(n_name) = 'EGYPT'
group by
        ps_partkey having
                sum(ps_supplycost * ps_availqty) > (
                        select
                                sum(ps_supplycost * ps_availqty) * 0.000001
                        from
                                partsupp_orc,
                                supplier_orc,
                                nation_orc
                        where
                                ps_suppkey = s_suppkey
                                and s_nationkey = n_nationkey
                                and RTRIM(n_name) = 'EGYPT'
                )
order by
        value desc;

步骤三：通过Hologres内部表查询OSS数据湖

Hologres内部表查询是将OSS数据湖数据导入至Hologres中，数据将在Hologres中存储，可获得更好的查询性能和更高的数据处理能力。关于存储费用详情介绍，请参见计费概述。

在Hologres中创建与外部表相同表结构的内部表，示例如下。

-- 创建nation表
DROP TABLE IF EXISTS NATION;
BEGIN;
CREATE TABLE NATION (
    N_NATIONKEY int NOT NULL PRIMARY KEY,
    N_NAME text NOT NULL,
    N_REGIONKEY int NOT NULL,
    N_COMMENT text NOT NULL
);
CALL set_table_property ('NATION', 'distribution_key', 'N_NATIONKEY');
CALL set_table_property ('NATION', 'bitmap_columns', '');
CALL set_table_property ('NATION', 'dictionary_encoding_columns', '');
COMMIT;
-- 创建supplier表
DROP TABLE IF EXISTS SUPPLIER;
BEGIN;
CREATE TABLE SUPPLIER (
    S_SUPPKEY int NOT NULL PRIMARY KEY,
    S_NAME text NOT NULL,
    S_ADDRESS text NOT NULL,
    S_NATIONKEY int NOT NULL,
    S_PHONE text NOT NULL,
    S_ACCTBAL DECIMAL(15, 2) NOT NULL,
    S_COMMENT text NOT NULL
);
CALL set_table_property ('SUPPLIER', 'distribution_key', 'S_SUPPKEY');
CALL set_table_property ('SUPPLIER', 'bitmap_columns', 'S_NATIONKEY');
CALL set_table_property ('SUPPLIER', 'dictionary_encoding_columns', '');
COMMIT;
-- 创建partsupp表
DROP TABLE IF EXISTS PARTSUPP;
BEGIN;
CREATE TABLE PARTSUPP (
    PS_PARTKEY int NOT NULL,
    PS_SUPPKEY int NOT NULL,
    PS_AVAILQTY int NOT NULL,
    PS_SUPPLYCOST DECIMAL(15, 2) NOT NULL,
    PS_COMMENT text NOT NULL,
    PRIMARY KEY (PS_PARTKEY, PS_SUPPKEY)
);
CALL set_table_property ('PARTSUPP', 'distribution_key', 'PS_PARTKEY');
CALL set_table_property ('PARTSUPP', 'bitmap_columns', 'ps_availqty');
CALL set_table_property ('PARTSUPP', 'dictionary_encoding_columns', '');
COMMIT;

同步Hologres外部表数据至Hologres内部表。

---将Hologres外表数据导入内表
INSERT INTO nation SELECT * FROM nation_orc;
INSERT INTO supplier SELECT * FROM supplier_orc;
INSERT INTO partsupp SELECT * FROM partsupp_orc;

查询Hologres内部表数据。

--TPCH Q11查询语句
select
        ps_partkey,
        sum(ps_supplycost * ps_availqty) as value
from
        partsupp,
        supplier,
        nation
where
        ps_suppkey = s_suppkey
        and s_nationkey = n_nationkey
        and RTRIM(n_name) = 'EGYPT'
group by
        ps_partkey having
                sum(ps_supplycost * ps_availqty) > (
                        select
                                sum(ps_supplycost * ps_availqty) * 0.000001
                        from
                                partsupp,
                                supplier,
                                nation
                        where
                                ps_suppkey = s_suppkey
                                and s_nationkey = n_nationkey
                                and RTRIM(n_name) = 'EGYPT'
                )
order by
        value desc;