[Experimental] Kudu catalog

StarRocks 从 3.3 版本开始支持 Kudu Catalog。

Kudu Catalog 是一种 External Catalog。通过 Kudu Catalog，您不需要执行数据导入就可以直接查询 Apache Kudu 里的数据。

此外，您还可以基于 Kudu Catalog ，结合 INSERT INTO 能力来实现数据转换和导入。

为保证正常访问 Kudu 内的数据，StarRocks 集群必须集成以下关键组件：

• 元数据服务。当前支持的元数据服务包括 Kudu 文件系统 (File System)、Hive Metastore（以下简称 HMS）。

使用说明

Kudu Catalog 仅支持查询 Kudu 数据，不支持针对 Kudu 的写/删操作。

准备工作

在创建 Kudu Catalog 之前，请确保 StarRocks 集群能够正常访问 Kudu 集群及元数据服务。

注意

如果查询时因为域名无法识别 (Unknown Host) 而发生访问失败，您需要将 KUDU 集群中各节点的主机名及 IP 地址之间的映射关系配置到 /etc/hosts 路径中。

Kerberos 认证

如果 KUDU 集群或 HMS 开启了 Kerberos 认证，则需要在 StarRocks 集群中做如下配置：

• 在每个 FE 和 每个 BE 上执行 kinit -kt keytab_path principal 命令，从 Key Distribution Center (KDC) 获取到 Ticket Granting Ticket (TGT)。执行命令的用户必须拥有访问 HMS 和 KUDU 的权限。注意，使用该命令访问 KDC 具有时效性，因此需要使用 cron 定期执行该命令。
• 在每个 FE 的 $FE_HOME/conf/fe.conf 文件和每个 BE 的 $BE_HOME/conf/be.conf 文件中添加 JAVA_OPTS="-Djava.security.krb5.conf=/etc/krb5.conf"。其中，/etc/krb5.conf 是 krb5.conf 文件的路径，可以根据文件的实际路径进行修改。

创建 Kudu Catalog

语法

CREATE EXTERNAL CATALOG <catalog_name>
[COMMENT <comment>]
PROPERTIES
(
    "type" = "kudu",
    CatalogParams,
)

参数说明

catalog_name

Kudu Catalog 的名称。命名要求如下：

• 必须由字母 (a-z 或 A-Z)、数字 (0-9) 或下划线 (_) 组成，且只能以字母开头。
• 总长度不能超过 1023 个字符。
• Catalog 名称大小写敏感。

comment

Kudu Catalog 的描述。此参数为可选。

type

数据源的类型。设置为 kudu。

CatalogParams

StarRocks 访问 Kudu 集群元数据的相关参数配置。

CatalogParams 包含如下参数。

参数	是否必须	说明
kudu.catalog.type	是	Kudu 使用的元数据类型。设置为 kudu、hive。
kudu.master	否	指定 Kudu Master 连接地址，默认为：localhost:7051。
hive.metastore.uris	否	HMS 的 URI， 格式：thrift://<HMS IP 地址>:<HMS 端口号>。仅在 kudu.catalog.type = hive 时设置。 如果您的 HMS 开启了高可用模式，此处可以填写多个 HMS 地址并用逗号分隔，例如："thrift://<HMS IP 地址 1>:<HMS 端口号 1>,thrift://<HMS IP 地址 2>:<HMS 端口号 2>,thrift://<HMS IP 地址 3>:<HMS 端口号 3>"。
kudu.schema-emulation.enabled	否	是否启用模拟 schema 功能，默认处于关闭状态（false），即所有表都属于 default schema。
kudu.schema-emulation.prefix	否	仅在 kudu.schema-emulation.enabled = true 即启用模拟 schema 功能时，需设置匹配前缀，默认采用前缀空字符串： 。

说明

若使用 HMS 作为元数据服务，则在查询 Kudu 数据之前，必须将所有 HMS 节点的主机名及 IP 地址之间的映射关系添加到 /etc/hosts 路径。否则，发起查询时，StarRocks 可能无法访问 HMS。

示例

• 以下示例创建了一个名为 kudu_catalog 的 Kudu Catalog，其元数据类型 kudu.catalog.type 为 kudu，用于查询 Kudu 集群里的数据。

  CREATE EXTERNAL CATALOG kudu_catalog
  PROPERTIES
  (
      "type" = "kudu",
      "kudu.master" = "localhost:7051",
      "kudu.catalog.type" = "kudu",
      "kudu.schema-emulation.enabled" = "true",
      "kudu.schema-emulation.prefix" = "impala::"
  );

• 以下示例创建了一个名为 kudu_catalog 的 Kudu Catalog，其元数据类型 kudu.catalog.type 为 hive，用于查询 Kudu 集群里的数据。

  CREATE EXTERNAL CATALOG kudu_catalog
  PROPERTIES
  (
      "type" = "kudu",
      "kudu.master" = "localhost:7051",
      "kudu.catalog.type" = "hive",
      "hive.metastore.uris" = "thrift://xx.xx.xx.xx:9083",
      "kudu.schema-emulation.enabled" = "true",
      "kudu.schema-emulation.prefix" = "impala::"
  );

查看 Kudu Catalog

您可以通过 SHOW CATALOGS 查询当前所在 StarRocks 集群里所有 Catalog：

SHOW CATALOGS;

您也可以通过 SHOW CREATE CATALOG 查询某个 External Catalog 的创建语句。例如，通过如下命令查询 Kudu Catalog kudu_catalog 的创建语句：

SHOW CREATE CATALOG kudu_catalog;

删除 Kudu Catalog

您可以通过 DROP CATALOG 删除某个 External Catalog。

例如，通过如下命令删除 Kudu Catalog kudu_catalog：

DROP Catalog kudu_catalog;

查看 Kudu 表结构

您可以通过如下方法查看 Kudu 表的表结构：

• 查看表结构

  DESC[RIBE] <catalog_name>.<database_name>.<table_name>;

• 从 CREATE 命令查看表结构和表文件存放位置

  SHOW CREATE TABLE <catalog_name>.<database_name>.<table_name>;

查询 Kudu 表数据

1. 通过 SHOW DATABASES 查看指定 Catalog 所属的 Kudu Catalog 中的数据库：

   SHOW DATABASES FROM <catalog_name>;

2. 通过 SET CATALOG 切换当前会话生效的 Catalog：

   SET CATALOG <catalog_name>;

   再通过 USE 指定当前会话生效的数据库：

   USE <db_name>;

   或者，也可以通过 USE 直接将会话切换到目标 Catalog 下的指定数据库：

   USE <catalog_name>.<db_name>;

3. 通过 SELECT 查询目标数据库中的目标表：

   SELECT count(*) FROM <table_name> LIMIT 10;

导入 Kudu 数据

假设有一个 OLAP 表，表名为 olap_tbl。您可以这样来转换该表中的数据，并把数据导入到 StarRocks 中：

INSERT INTO default_catalog.olap_db.olap_tbl SELECT * FROM kudu_table;