创建HDFS数据源用于实现Dataphin能够读取HDFS的业务数据,及能够向HDFS写入数据。在引入HDFS的业务数据至Dataphin和将Dataphin的数据写入至HDFS的场景中,您需要先创建HDFS数据源。本文为您介绍如何创建HDFS类型的数据源。

背景信息

HDFS集群由NameNode和DataNode构成master-worker(主从)模式:
  • NameNode用于构建命名空间,管理文件的元数据等。
  • DataNode用于存储数据,及处理数据块的读写。
gaga

如果您使用的是HDFS,在对接Dataphin进行数据开发或将Dataphin的数据写入至HDFS的场景中,您需要先完成HDFS数据源的创建。更多HDFS信息,请参见HDFS官方介绍

Dataphin支持通过公网连接HDFS。为避免因数据源白名单限制导致数据对接访问失败,您需将Dataphin公网环境下的IP地址段添加到数据源的白名单中。

使用限制

  • Dataphin仅支持超级管理员和项目管理员角色创建数据源。

    如何添加项目成员并授予项目管理员角色,请参见添加项目成员

  • 目前,HDFS数据源不支持通过VPC网络连通Dataphin实例。

步骤一:添加Dataphin IP地址至HDFS访问白名单

您需要将公网环境下的Dataphin IP地址添加至至HDFS访问白名单中。
表 1. 公网下Dataphin的IP地址
地域 IP地址
华东2(上海) 47.102.151.182
华南1(深圳) 119.23.173.65
华北2(北京) 123.56.104.202
华东1(杭州) 47.96.75.100

步骤二:创建HDFS数据源

  1. 请参见入口介绍,进入数仓规划页面。
  2. 按照下图指引,进入新建数据源页面。
    gaga
  3. 新建数据源对话框的文件区域,选择HDFS
    如果您最近使用过HDFS,也可以在最近使用区域选择HDFS。同时,您也可以在快搜索框中,输入HDFS的关键词,快速筛选。faa
  4. 新建HDFS数据源对话框中,配置连接数据源参数后,单击确定
    1. 配置数据源的基本信息。
      faga
      参数 描述
      数据源名称 命名规则如下:
      • 只能包含字母、数字或下划线(_)。
      • 长度不能超过64字符。
      数据源描述 对数据源的简单描述。
      数据源配置 选择需要配置的数据源:
      • 如果业务数据源区分生产数据源和开发数据源,则选择生产+开发数据源
      • 如果业务数据源不区分生产数据源和开发数据源,则选择生产数据源
    2. 配置数据源与Dataphin的连接参数。
      当上述步骤中选择了生产+开发数据源,则配置页面如下图所示。如果上述步骤中您选择了生产数据源,则仅展示生产数据源的配置页面。fagA
      说明 通常,生产数据源和开发数据源需要配置不同的参数值,但Dataphin也支持配置成相同的参数值。
      参数 描述
      NameNode NameNode为HDFS集群中NameNode节点的HostName或者IP和端口。

      配置样例:host=192.168.1.169,webUiPort=,ipcPort=8020。其中,webUiPortIPCport在CDH5环境下默认是50070和8020,您可根据实际情况填写对应的端口。

      配置文件 用于上传Hadoop的配置文件,例如hdfs-site.xml、core-site.xml,配置文件可在Hadoop集群导出。
      Access IDAccess Key 当前账号的AccessKey ID和AccessKey Secret。如何获取,请参见获取AccessKey
      Kerberos Kerberos是一种基于对称密钥技术的身份认证协议。
      如果Hadoop集群有Kerberos认证,则需要开启Kerberos认证,并上传用户的Krb5认证文件或配置KDC Server地址、Keytab File和Principal:
      • Krb5文件:上传Krb5文件进行Kerberos认证。
      • KDC Server:KDC服务器地址,辅助完成Kerberos认证。
      • Keytab File:上传keytab文件,您可以在HDFS Server上获取keytab文件。
      • Principal:填写HDFS Keytab File文件对应的Kerberos认证用户名。
      说明 支持配置多个KDC Server服务地址,使用英文逗号(,)分割。
  5. 单击测试连接,测试数据源是否可以和Dataphin进行正常的连通。
    如果连接测试失败,您可以根据网络连通常见问题进行排查。详细内容,请参见网络连通的常见问题
  6. 测试成功后,单击确定,完成HDFS数据源的创建。

后续步骤

完成HDFS数据源的创建后,即可将HDFS的业务数据引入至Dataphin,或将Dataphin的数据写入至HDFS数据源。具体操作,请参见配置离线单条管道