共享集群（OSS数据湖加速）_实时数仓 Hologres(Hologres)-阿里云帮助中心

本文将为您介绍在Hologres中如何通过共享集群读OSS数据。

背景信息

共享集群（OSS数据湖加速）是针对OSS数据湖设计的Serverless的在线查询加速服务，基于Hologres存储计算分离的云原生架构，以共享集群资源的形式，加速分析存储在OSS中的湖数据，按需使用，按扫描量付费。对外提供兼容PostgreSQL的查询接口，无需数据移动，无需集群运维，给湖数据分析提供稳定、快速、低成本的查询服务，满足湖仓融合、按需使用、实时分析的诉求。

功能介绍

OSS数据湖加速（共享集群）的实例在资源上是共享的，默认开启湖加速能力，您购买实例后，请直接创建DLF Extention，导入外部表，即可开始查询丰富的湖数据，具体支持的功能如下：

Hologres从 V1.1版本开始支持从OSS读取ORC、Parquet、CSV、SequenceFile格式文件；从V1.3版本开始支持从OSS读取HUDI、Delta格式文件，支持写入ORC、Parquet、CSV、SequenceFile格式文件至OSS。请前往Hologres管控台实例详情页查看当前实例版本，如果您的实例是V1.3以下版本，请您使用自助升级或加入Hologres钉钉交流群反馈，详情请参见如何获取更多的在线支持？。
Hologres从 V1.3.25 版本开始支持使用DLF数据目录（Multi-Catalog）做元数据隔离，方便您在测试环境、开发环境、跨部门集群之间做元数据隔离，以保障业务安全。DLF数据目录详情请参见数据目录。
Hologres从V1.3.26版本开始支持读写存储于OSS-HDFS上的数据。进一步扩展了数据湖加速的服务能力和边界，使Hologres可以与Hadoop生态计算引擎无缝集成，加速读写存储于HDFS上的数据，大幅提升Hadoop生态数据实时分析的效率，更好地满足大数据和AI等领域的数据湖联邦、实时分析诉求。
Hologres从V2.1.6版本开始支持读取Apache Paimon湖格式。Apache Paimon是一种流批统一的湖存储格式，支持高吞吐的写入和低延迟的查询，详情请参见Apache Paimon。

前提条件

您已开通DLF数据湖构建，详情请参见快速入门。共享集群支持的地域有：华北2（北京）、华东2（上海）、华东1（杭州）、华南1（深圳）和新加坡。
（可选）如果您需要使用DLF自定义数据目录功能，请先在DLF中新建数据目录，详情请参见新建数据目录。
您已开通OSS并准备好数据，详情请参见开始使用OSS。
您已进行OSS授权操作，通过外部表方式访问OSS数据，需要访问的账号有OSS的相关访问权限，否则即使创建外表成功了，也无法查询数据，OSS授权请参见Java授权策略。
（可选）如果您需要使用OSS-HDFS功能，请开通OSS-HDFS服务，详情请参见开通并授权访问OSS-HDFS服务。

注意事项

共享集群仅支持使用DLF_FDW外表读取OSS数据，不支持写入数据。
不支持读写使用了OSS加速器的数据湖数据，OSS加速器详情请参见OSS加速器概述。
IMPORT FOREIGN SCHEMA语句支持导入存储于OSS上的分区表，当前Hologres支持查询最多分区数为512个，请添加分区过滤条件，使查询时一次查询不超过512个分区。
湖数据查询的原理是在运行时将外部表数据的特定查询分区加载到Hologres的内存和缓存中完成计算，为不影响查询体验，Hologres一次查询支持的数据量不能超过200 GB（经分区过滤后命中的数据量）。

数据类型映射

Hologres与数据湖数据类型映射关系请参见数据类型汇总。

使用说明

配置环境

创建Extension。
说明
从V2.1.6版本开始，Hologres在创建实例的时候默认创建dlf_fdw，您无需再手动创建。V2.1.5及以下版本需要手动创建。
在Hologres中由Superuser在DB中执行以下语句创建Extension，用于开启通过DLF读取OSS数据的功能。该操作针对整个DB生效，一个DB只需执行一次。
```
CREATE EXTENSION IF NOT EXISTS dlf_fdw;
```

创建外部服务器（Server）。

Hologres支持DLF数据目录（Multi-Catalog）功能，如果您只有一个EMR集群，请使用DLF默认数据目录即可；如果您有多个EMR集群，可以使用自定义数据目录来控制Hologres实例连接到不同的EMR集群。同时，您也可以选择原生OSS或者OSS-HDFS作为数据来源，具体配置如下：

使用DLF默认数据目录。

创建Server用于Hologres连接DLF和OSS使用DLF默认数据目录和原生OSS存储创建Server，示例语法如下。

--查看现有server

SELECT * FROM pg_foreign_server;

--删除现有 server

DROP server server_name cascade;

--创建 server

CREATE SERVER IF NOT EXISTS < servername > FOREIGN data wrapper dlf_fdw options (
    dlf_region 'cn-<region>',
    dlf_endpoint 'dlf-share.cn-<region>.aliyuncs.com',
    oss_endpoint 'oss-cn-<region>-internal.aliyuncs.com'
);

使用DLF自定义数据目录。

创建Server默认连接到DLF的默认数据目录，如您需要访问自定义数据目录，需要在创建Server时指定DLF数据目录参数，示例语法如下。

--删除现有server

DROP server server_name cascade;

--创建server

CREATE SERVER IF NOT EXISTS < servername > FOREIGN data wrapper dlf_fdw options (
    dlf_region 'cn-<region>',
    dlf_endpoint 'dlf-share.cn-<region>.aliyuncs.com',
    oss_endpoint 'oss-cn-<region>-internal.aliyuncs.com',
    [dlf_catalog 'dlf_catalog_name'] -- 添加自定义Catalog参数
);

使用OSS-HDFS作为数据湖存储。
1. 确定OSS-HDFS Bucket域名。
  通过DLF_FDW访问存储在OSS-HDFS上数据，需要配置OSS-HDFS的服务域名，域名地址可以在OSS控制台中，已开通OSS-HDFS服务的Bucket概览页获取，详情请参见获取OSS-HDFS服务域名。
2. 创建Foreign Server并配置Endpoint信息。
  确定OSS-HDFS Bucket域名后即可在Hologres中配置DLF_FDW oss_endpoint选项，示例语法如下。
```
CREATE EXTENSION IF NOT EXISTS dlf_fdw;

CREATE SERVER IF NOT EXISTS < servername > FOREIGN data wrapper dlf_fdw options (
    dlf_region 'cn-<region>',
    dlf_endpoint 'dlf-share.cn-<region>.aliyuncs.com',
    oss_endpoint 'oss-cn-<region>.oss-dls.aliyuncs.com'  -- OSS-HDFS Bucket 域名
);
```

参数说明。

参数	说明	示例
server_name	自定义的server名称。	oss_server
dlf_region	连接DLF所在的地域，请您根据地域进行选择，可选项如下。华北2（北京）：`cn-beijing`。华东1（杭州）：`cn-hangzhou`。华东2（上海）：`cn-shanghai`。华南1（深圳）：cn-shenzhen。新加坡：`ap-southeast-1`。	cn-hangzhou
dlf_endpoint	推荐使用DLF的对内服务Endpoint，可以获得更好的访问性能，如您需要跨Region 访问DLF元数据及OSS数据，则需使用公网Endpoint，详情请参见已开通的地域和访问域名。请您根据地域进行选择，可选项如下。华北2（北京）：`dlf-share.cn-beijing.aliyuncs.com`。华东1（杭州）：`dlf-share.cn-hangzhou.aliyuncs.com`。华东2（上海）：`dlf-share.cn-shanghai.aliyuncs.com`。华南1（深圳）：dlf-share.cn-shenzhen.aliyuncs.com。新加坡：`dlf-share.ap-southeast-1.aliyuncs.com`。	`dlf-share.cn-shanghai.aliyuncs.com`
oss_endpoint	原生OSS存储推荐使用OSS的内网Endpoint，以获得更好的访问性能，如您需要同Hologres、DLF跨Region交互，请需使用公网Endpoint，详情请参见OSS访问域名使用规则。 OSS-HDFS Bucket域名。 OSS-HDFS目前仅支持内网访问，即默认不支持跨区域访问。，域名获取方式详情请参见获取OSS-HDFS服务域名。	`oss-cn-shanghai-internal.aliyuncs.com` `cn-hangzhou.oss-dls.aliyuncs.com`
dlf_catalog	在DLF中新建的数据目录，详情请参见新建数据目录。	dlf_catalog

（可选）创建用户映射。

Hologres支持通过CREATE USER MAPPING命令指定其他用户身份来访问DLF和OSS，如：foreign server的Owner可以通过CREATE USER MAPPING指定RAM用户123xxx来访问OSS外部数据。

查询时请确保该账号有对应外部数据的查询权限。详细原理请参见postgres create user mapping。

CREATE USER MAPPING FOR < 账号uid > SERVER hm_dlf_server options (
    dlf_access_id '<accesskey id>',
    dlf_access_key 'accesskey',
    oss_access_id 'accessid',
    oss_access_key 'accesskey'
);

当前阿里云账号的AccessKey ID和AccessKey Secret，获取方式请参见创建访问密钥。

使用示例：

--为当前用户创建用户映射
CREATE USER MAPPING FOR CURRENT_USER SERVER hm_dlf_server options (
    dlf_access_id 'LTAI5txxx',
    dlf_access_key 'y8LUUyyy',
    oss_access_id 'LTAI5txxx',
    oss_access_key 'y8LUUyyy'
);

--为RAM用户123xxx创建用户映射
CREATE USER MAPPING FOR "p4_123xxx" SERVER hm_dlf_server options (
    dlf_access_id 'LIlY5txxx',
    dlf_access_key 'KsjkXKyyy',
    oss_access_id 'LIlY5txxx',
    oss_access_key 'KsjkXKyyy'
);

--删除用户映射
DROP USER MAPPING FOR CURRENT_USER SERVER hm_dlf_server options;

DROP USER MAPPING FOR "p4_123xxx" SERVER hm_dlf_server options;

读取OSS湖数据

以DLF数据源为例，您需要在DLF中准备元数据表，并保证该表中已抽取数据，详情请参见元数据管理。在Hologres中以外部表方式通过DLF访问OSS的数据操作步骤如下：

在Hologres实例中创建外部表。

Server创建完成后，您可以在Hologres中使用CREATE FOREIGN TABLE创建外部表或使用IMPORT FOREIGN SCHEMA语法单独或者批量创建外部表，用于读取DLF抽取的OSS数据。

说明

如果存在OSS外部表和Hologres内部表同名的表，IMPORT FOREIGN SCHEMA语法会跳过该外部表的创建，请使用CREATE FOREIGN TABLE语法创建一个非重名表。

Hologres支持读取OSS中的分区表，支持作为分区键的数据类型有：TEXT、VARCHAR和INT。CREATE FOREIGN TABLE方式因只做字段映射，不实际存储数据，将分区字段作为普通字段来创建即可；IMPORT FOREIGN SCHEMA方式无需关心表字段，会自动处理表字段映射。

语法示例

-- 方式一：
CREATE FOREIGN TABLE [ IF NOT EXISTS ] ext_table_name ( [
{ column_name data_type }
  [, ... ]
  ] )
SERVER dlf_server
options
(
  schema_name '<dlf_database_name>',
  table_name '<dlf_table_name>'
);

-- 方式二：
IMPORT FOREIGN SCHEMA schema_name
    [ { limit to | except } ( table_name [, ...] ) ]
    from server server_name
    into local_schema
    [ options ( option 'value' [, ... ] ) ]

参数说明

参数	说明
schema_name	DLF中创建的元数据库名。
table_name	DLF中创建的元数据表名。
server_name	Hologres中创建的Server名。
local_schema	Hologres中的Schema名。
options	IMPORT FOREIGN SCHEMA中的option参数取值，详情请参见IMPORT FOREIGN SCHEMA。

使用示例。

单独创建。

创建一张外部表映射DLF元数据库dlfpro中元数据表dlf_oss_test的数据，该表位于Hologres中的public Schema，并且检验是否存在该外部表，若存在，则对已有表更新。

-- 方式一
CREATE FOREIGN TABLE dlf_oss_test_ext
(
  id text,
  pt text
)
SERVER dlf_server
options
(
  schema_name 'dlfpro',
  table_name 'dlf_oss_test'
);


-- 方式二：
IMPORT FOREIGN SCHEMA dlfpro LIMIT TO
(
  dlf_oss_test
)
FROM SERVER dlf_server INTO public options (if_table_exist 'update');

批量创建。

将DLF元数据库dlfpro中所有的表都映射至Hologres的public Schema，将会在Hologres中批量创建同名外部表。

整库导入。

IMPORT FOREIGN SCHEMA dlfpro
FROM SERVER dlf_server INTO public options (if_table_exist 'update');

多表导入。

IMPORT FOREIGN SCHEMA dlfpro
(
  table1,
  table2,
  tablen
)
FROM SERVER dlf_server INTO public options (if_table_exist 'update');

数据查询。
创建外部表成功后，在HoloWeb可以看到该外部表，可以直接查询外部表读取OSS中的数据。
- 非分区表
```
SELECT * FROM dlf_oss_test;
```
- 分区表
```
SELECT * FROM partition_table where dt = '2013';
```