原创

Pentaho Work with Big Data(八)—— kettle集群

版权声明:本文为博主原创文章,遵循 CC 4.0 BY-SA 版权协议,转载请附上原文出处链接和本声明。
本文链接:https://wxy0327.blog.csdn.net/article/details/51183341
一、简介
        集群技术可以用来水平扩展转换,使它们能以并行的方式运行在多台服务器上。转换的工作可以平均分到不同的服务器上。
        一个集群模式包括一个主服务器和多个子服务器,主服务器作为集群的控制器。简单地说,作为控制器的Carte服务器就是主服务器,其他的Carte服务器就是子服务器。
        一个集群模式也包含元数据,元数据描述了主服务器和子服务器之间怎样传递数据。在Carte服务器之间通过TCP/IP套接字传递数据。

二、环境
4台CentOS release 6.4虚拟机,IP地址为
192.168.56.104
192.168.56.102
192.168.56.103

192.168.56.104作为主Carte。
192.168.56.102、192.168.56.103作为子Carte。
192.168.56.104、192.168.56.102、192.168.56.103分别安装Pentaho的PDI,安装目录均为/home/grid/data-integration。

PDI版本:6.0

三、配置静态集群
1. 建立子服务器
(1)打开PDI,新建一个转换。
(2)在“主对象树”标签的“转换”下,右键点击“子服务器”,新建三个子服务器。如图1所示。


图1

说明:
. master、slave1、slave2的配置分别如图2、图3、图4所示。


图2


图3


图4

. “用户名”和“密码”项在各自子服务器的/home/grid/data-integration/pwd/kettle.pwd文件中定义,如图5所示。


图5


2. 建立集群模式
在“主对象树”标签的“转换”下,右键点击“Kettle集群Schemas”,新建一个名为“cluster”集群模式。如图6所示。


图6

说明:
. cluster的配置如图7所示。


图7

. 集群模式中加入了上一步建立的一主两从Carte子服务器。

3. 编辑转换
(1)建立转换如图8所示。


图8

说明:
. 这个转换的详细配置参考http://blog.csdn.net/wzy0623/article/details/51160948中的“把数据从Hive抽取到RDBMS”。
. 右键点击“Table output”,选择弹出菜单里的“集群...”,如图9所示。


图9

. 在弹出窗口中选择上一步建立的集群模式“cluster”后,点击确定,如图10所示。


图10

此时会看到“Table output”步骤的右上角出现“Cx2”标志,如图8的红框中所示,说明此步骤在集群的两个子服务器上运行。
. “Table input”没有集群标志,说明此步骤在主服务器上运行。

4. 执行与监控
(1)在192.168.56.104上执行下面的命令启动master。
cd /home/grid/data-integration/
./carte.sh 192.168.56.104 8181
(2)在192.168.56.102上执行下面的命令启动slave1。
cd /home/grid/data-integration/
./carte.sh 192.168.56.102 8181
(3)在192.168.56.103上执行下面的命令启动slave2。
cd /home/grid/data-integration/
./carte.sh 192.168.56.103 8181
(4)保存并执行转换,如图11所示,选择“集群方式执行”,勾选“提交转换”、“准备执行”、“开始执行”三项,然后点击“启动”执行转换。


图11

(5)右键点击“cluster”,选择弹出菜单中的“Monitor all slave servers”,如图12所示。


图12

(6)转换成功执行后,会在监控标签中看到执行信息,如图13到15所示。


图13


图14


图15

从图13可以看到,“Table input”步骤在master运行,从hive表读取36616行记录,向“Table output”步骤输出36616行记录。
从图14、图15可以看到,“Table output”步骤分别在两个子服务器slave1、slave2上运行,各自读取了18308行记录,并分别向mysql表写了18308行记录。此时查看mysql表,共写入了36616行记录。如图16所示。


图16


四、配置动态集群
1. 建立子服务器,这步和配置静态集群相同。

2. 建立集群模式
在“主对象树”标签的“转换”下,右键点击“Kettle集群Schemas”,新建一个名为“cluster_dynamic”集群模式。如图17所示。


图17

说明:
. cluster_dynamic的配置如图18所示。


图18

. 与配置静态集群不同,这里只加入了master。

3. 编辑转换
(1)建立转换如图19所示。


图19

说明:
. 这个转换的详细配置参考http://blog.csdn.net/wzy0623/article/details/51160948中的“把数据从Hive抽取到RDBMS”。
. 右键点击“Table output”,选择弹出菜单里的“集群...”,如图9所示。
. 在弹出窗口中选择上一步建立的集群模式“cluster_dynamic”后,点击确定,如图20所示。


图20

此时会看到“Table output”步骤的右上角出现“CxN”标志,如图19的红框中所示,说明此步骤在集群的两个子服务器上运行。
. “Table input”没有集群标志,说明此步骤在主服务器上运行。

4. 执行与监控
(1)在192.168.56.104上编辑/home/grid/data-integration/pwd/carte-config-8181.xml文件,内容如下:
<slave_config>
 <slaveserver>
   <name>master</name>
   <hostname>192.168.56.104</hostname>
   <port>8181</port>
   <username>cluster</username>
   <password>mypassword</password>
   <master>Y</master>
 </slaveserver>
</slave_config>
 (2)在192.168.56.102上编辑/home/grid/data-integration/pwd/carte-config-8181.xml文件,内容如下:
<slave_config>
  <masters>
    <slaveserver>
      <name>master</name>
      <hostname>192.168.56.104</hostname>
      <port>8181</port>
      <username>cluster</username>
      <password>mypassword</password>
      <master>Y</master>
    </slaveserver>
  </masters>

  <report_to_masters>Y</report_to_masters>

  <slaveserver>
    <name>slave1</name>
    <hostname>192.168.56.102</hostname>
    <port>8181</port>
    <username>cluster</username>
    <password>mypassword</password>
    <master>N</master>
  </slaveserver>
</slave_config>
 (3)在192.168.56.103上编辑/home/grid/data-integration/pwd/carte-config-8181.xml文件,内容如下:
<slave_config>
  <masters>
    <slaveserver>
      <name>master</name>
      <hostname>192.168.56.104</hostname>
      <port>8181</port>
      <username>cluster</username>
      <password>mypassword</password>
      <master>Y</master>
    </slaveserver>
  </masters>

  <report_to_masters>Y</report_to_masters>

  <slaveserver>
    <name>slave2</name>
    <hostname>192.168.56.103</hostname>
    <port>8181</port>
    <username>cluster</username>
    <password>mypassword</password>
    <master>N</master>
  </slaveserver>
</slave_config>
(4)执行下面的命令启动master。
cd /home/grid/data-integration/
./carte.sh pwd/carte-config-8181.xml
master启动之后,启动slave。
(5)在192.168.56.102上执行下面的命令启动slave1。
cd /home/grid/data-integration/
./carte.sh pwd/carte-config-8181.xml
(6)在192.168.56.103上执行下面的命令启动slave2。
cd /home/grid/data-integration/
./carte.sh pwd/carte-config-8181.xml
(7)保存并执行转换,如图21所示,选择“集群方式执行”,勾选“提交转换”、“准备执行”、“开始执行”三项,然后点击“启动”执行转换。


图21

(5)右键点击“cluster”,选择弹出菜单中的“Monitor all slave servers”,如图12所示。
(6)转换成功执行后,会在监控标签中看到执行信息,如图22到24所示。


图22


图23


图24

从图23可以看到,“Table input”步骤在master运行,从hive表读取36616行记录,向“Table output”步骤输出36616行记录。
从图23可以看到,“Table output”步骤分别在动态子服务器slave1运行,读取了18308行记录,并向mysql表写了18308行记录。
从图24可以看到,“Table output”步骤分别在动态子服务器slave2运行,读取了18308行记录,并向mysql表写了18308行记录。
此时查看mysql表,共写入了36616行记录。如图16所示。

参考:
Kettle解决方案:使用PDI构建开源ETL解决方案
文章最后发布于: 2016-04-18 22:14:07
展开阅读全文
0 个人打赏
私信求帮助

没有更多推荐了,返回首页

©️2019 CSDN 皮肤主题: 大白 设计师: CSDN官方博客

分享到微信朋友圈

×

扫一扫,手机浏览