greenplum使用gplink連接外部數據源

    作為一個基于postgresql開發的數據倉庫，隨著近幾年大數據概念的興起也備受關注。

    由于GP是近近幾年才開源的數據庫，網上資料很少，不像mysql這樣爛大街，基本上遇到的問題網上都可以搜到。而GP遇到問題只能靠自己判斷了，很多時候只能看官方文檔，而文檔全為英文，對于英文很爛的本人表示真的很無力。。。

gplink的原理：

    greenplum 支持gpfdist協議外部表，gpfdist協議支持自定義transform。

    gplink 使用jdbc連接外部數據源，定義transform，將jdbc數據源的數據轉換為text格式導入GP或HAWQ。

    官方提供的有greenplum、sqlserver、hive、oracle數據庫的模版，現在需要連接的是mysql數據庫，有點麻煩，踩了幾個坑，在文章最后面會提到。

所需軟件下載地址

gplink下載地址

https://github.com/pivotalguru/gplink

mysql JDBC下載地址

https://dev.mysql.com/downloads/connector/j/

這是官方文檔的安裝步驟

1.  Download latest version from PivotalGuru.com                                  

2.  Unzip <version>.zip

3.  source gplink_path.sh and add this to your .bashrc file                      

4.  Edit gplink.properties with correct Greenplum or Hawq connection information  

5.  Download 3rd party JDBC drivers and place it in $GPLINK_HOME/jar  

6.  Define source configurations in $GPLINK_HOME/connections/  

7.  Define external table names and columns in $GPLINK_HOME/tables/  

8.  Define SQL statements to execute in the source in $GPLINK_HOME/sql/  

9.  Create the External Table with gpltable

個人翻譯的中文（翻譯得不好見諒）

1、從pivotalguru.com下載最新版本

2、解壓壓縮包

3、source gplink_path.sh并添加到 .bashrc文件

4、在gplink.properties中編輯Greenplum或Hawq的連接信息

5、下載第三方JDBC驅動程序并將其放入$GPLINK_HOME/jar

6、在$GPLINK_HOME/connections/修改源數據庫配置信息

7、在$GPLINK_HOME/tables/定義外部表名和列

8、在$GPLINK_HOME/sql/定義要在源數據庫執行的sql語句

9、用gpltable創建外部表

下面開始安裝

    安裝之前要先在mysql端（172.16.104.71:3306）給GP開放訪問權限，要關閉iptables，或iptables開放mysql端口。

    這里為了方便測試mysql給了最大權限，在實際環境中不能這么做

[root@s121 ~]# mysql -uroot -p123
mysql> grant all on *.* to "root"@"%" identified by '123';
mysql> flush privileges;

1、從pivotalguru.com下載最新版本

[root@mdw ~]# su - gpadmin
[gpadmin@mdw ~]$wget https://codeload.github.com/pivotalguru/gplink/zip/master

2、解壓壓縮包

[gpadmin@mdw ~]$unzip master

3、source gplink_path.sh并添加到 .bashrc文件

[gpadmin@mdw ~]$source gplink-master/gplink_path.sh
[gpadmin@mdw ~]$vi .bashrc 
source /home/gpadmin/gplink-master/gplink_path.sh

4、在gplink.properties中編輯Greenplum或Hawq的連接信息

[gpadmin@mdw ~]$ vi $GPLINK_HOME/gplink.properties 
connectionUrl=jdbc:postgresql://mdw:5432/gpdb     #gpdb為gp的數據庫
classForName=org.postgresql.Driver
readCommitted=true
userName=gpadmin                                  #gp用戶名
password=123456                                   #密碼，注意后面不能有空格
gplinkHome=/usr/local/gplink
gplinkLog=//usr/local/gplink/log/gplink
gplinkYml=/usr/local/gplink/yml/gplink.yml
gplinkPortLower=24000
gplinkPortUpper=25000

5、下載第三方JDBC驅動程序并將其放入$GPLINK_HOME/jar

[gpadmin@mdw ~]$ wget https://dev.mysql.com/downloads/file/?id=470332
[gpadmin@mdw ~]$ tar xvf mysql-connector-java-5.1.42.tar.gz 
[gpadmin@mdw ~]$ cp mysql-connector-java-5.1.42/mysql-connector-java-5.1.42-bin.jar gplink-master/jar/

 6、在$GPLINK_HOME/connections/修改配置

[gpadmin@mdw ~]$ cp $GPLINK_HOME/connections/oracle.properties $GPLINK_HOME/connections/mysql.properties
[gpadmin@mdw ~]$ vi $GPLINK_HOME/connections/mysql.properties 
connectionUrl=jdbc:mysql://172.16.104.71:3306/test       #test為mysql的數據庫
classForName=com.mysql.jdbc.Driver
readCommitted=true
userName=root                                            #mysql用戶名
password=123                                             #mysql密碼
extraProps=defaultRowPrefetch=2000                       #每次讀取的數據量

7、在$GPLINK_HOME/tables/定義外部表名和列

[gpadmin@mdw ~]$ cp $GPLINK_HOME/tables/public.oracle_example.sql $GPLINK_HOME/tables/public.mysql.sql 
[gpadmin@mdw ~]$ vi $GPLINK_HOME/tables/public.mysql.sql 
tableName=public.mysql
columns=first_name text, last_name text

8、在$GPLINK_HOME/sql/定義要在源數據庫執行的sql語句

[gpadmin@mdw ~]$ cp $GPLINK_HOME/sql/oracle_example.sql $GPLINK_HOME/sql/mysql_example.sql

 9、用gpltable創建外部表

[gpadmin@mdw ~]$gpltable -s $GPLINK_HOME/connections/mysql.properties -t $GPLINK_HOME/gplink.properties -f $GPLINK_HOME/sql/mysql_example.sql -a $GPLINK_HOME/tables/public.mysql.sql

此時登錄GP數據庫，發現多了一個mysql表

[gpadmin@mdw ~]$ psql -d gpdatabase
psql (8.2.15)
Type "help" for help.

gpdatabase=# \dx
                 List of relations
 Schema |     Name     | Type  |  Owner  | Storage  
--------+--------------+-------+---------+----------
 public | mysql        | table | gpadmin | external
(1 rows)

測試

[gpadmin@mdw ~]$ gplstart -t $GPLINK_HOME/gplink.properties 
Started all ports needed.
[gpadmin@mdw ~]$ gpldata -s $GPLINK_HOME/connections/mysql.properties -f $GPLINK_HOME/sql/mysql_example.sql
jon|roberts
JON|ROBERTS

OK，該狀態說明連接成功。

至于怎么從mysql把數據導入greenplum，本人還未研究，自己慢慢摸索吧。

刪除表命令

[gpadmin@mdw ~]$ gpldrop -t $GPLINK_HOME/connections/gplink.properties -n public.mysql

安裝過程中踩到的幾個坑

1、mysql.properties 中的ClassForName不對，因為沒有mysql的模版，是拷貝oracle的模版來用

[gpadmin@mdw ~]$ gpldata -s $GPLINK_HOME/connections/mysql.properties -f $GPLINK_HOME/sql/mysql_example.sql
Exception in thread "main" java.sql.SQLException: mysql.jdbc.driver.MysqlDriver
	at ExternalData.main(ExternalData.java:25)

2、jdbc版本不對，下載了最新版，用不了

[gpadmin@mdw ~]$ gpldata -s $GPLINK_HOME/connections/mysql.properties -f $GPLINK_HOME/sql/mysql_example.sql
Exception in thread "main" java.lang.UnsupportedClassVersionError: com/mysql/jdbc/Driver : Unsupported major.minor version 52.0

3、連接失敗，mysql主機的防火墻沒關或沒開放mysql端口

[gpadmin@mdw ~]$ gpldata -s $GPLINK_HOME/connections/mysql.properties -f $GPLINK_HOME/sql/mysql_example.sql
Exception in thread "main" java.sql.SQLException: Communications link failure

The last packet sent successfully to the server was 0 milliseconds ago. The driver has not received any 
	at ExternalData.main(ExternalData.java:25)

4、密碼錯誤，原因是mysql.properties文件中的密碼后面有空格

[gpadmin@mdw ~]$ gpldata -s $GPLINK_HOME/connections/mysql.properties -f $GPLINK_HOME/sql/mysql_example.sql
Exception in thread "main" java.sql.SQLException: Access denied for user 'root'@'172.16.104.21' (using password: YES)
	at ExternalData.main(ExternalData.java:25)