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