导入MySQL数据

本文以一个示例说明如何使用Exchange将存储在MySQL上的数据导入Nebula Graph。

数据集

本文以basketballplayer数据集为例。

在本示例中,该数据集已经存入MySQL中名为basketball的数据库中,以playerteamfollowserve四个表存储了所有点和边的信息。以下为各个表的结构。

  1. mysql> desc player;
  2. +----------+-------------+------+-----+---------+-------+
  3. | Field | Type | Null | Key | Default | Extra |
  4. +----------+-------------+------+-----+---------+-------+
  5. | playerid | varchar(30) | YES | | NULL | |
  6. | age | int | YES | | NULL | |
  7. | name | varchar(30) | YES | | NULL | |
  8. +----------+-------------+------+-----+---------+-------+
  9. mysql> desc team;
  10. +--------+-------------+------+-----+---------+-------+
  11. | Field | Type | Null | Key | Default | Extra |
  12. +--------+-------------+------+-----+---------+-------+
  13. | teamid | varchar(30) | YES | | NULL | |
  14. | name | varchar(30) | YES | | NULL | |
  15. +--------+-------------+------+-----+---------+-------+
  16. mysql> desc follow;
  17. +------------+-------------+------+-----+---------+-------+
  18. | Field | Type | Null | Key | Default | Extra |
  19. +------------+-------------+------+-----+---------+-------+
  20. | src_player | varchar(30) | YES | | NULL | |
  21. | dst_player | varchar(30) | YES | | NULL | |
  22. | degree | int | YES | | NULL | |
  23. +------------+-------------+------+-----+---------+-------+
  24. mysql> desc serve;
  25. +------------+-------------+------+-----+---------+-------+
  26. | Field | Type | Null | Key | Default | Extra |
  27. +------------+-------------+------+-----+---------+-------+
  28. | playerid | varchar(30) | YES | | NULL | |
  29. | teamid | varchar(30) | YES | | NULL | |
  30. | start_year | int | YES | | NULL | |
  31. | end_year | int | YES | | NULL | |
  32. +------------+-------------+------+-----+---------+-------+

环境配置

本文示例在MacOS下完成,以下是相关的环境配置信息:

  • 硬件规格:

    • CPU:1.7 GHz Quad-Core Intel Core i7
    • 内存:16 GB
  • Spark:2.4.7,单机版

  • Hadoop:2.9.2,伪分布式部署

  • MySQL: 8.0.23

  • Nebula Graph:2.5.1。使用Docker Compose部署

前提条件

开始导入数据之前,用户需要确认以下信息:

  • 已经安装部署Nebula Graph并获取如下信息:

    • Graph服务和Meta服务的的IP地址和端口。

    • 拥有Nebula Graph写权限的用户名和密码。

  • 已经编译Exchange。详情请参见编译Exchange。本示例中使用Exchange 2.5.1。

  • 已经安装Spark。

  • 了解Nebula Graph中创建Schema的信息,包括Tag和Edge type的名称、属性等。

  • 已经安装并开启Hadoop服务。

操作步骤

步骤 1:在Nebula Graph中创建Schema

分析数据,按以下步骤在Nebula Graph中创建Schema:

  1. 确认Schema要素。Nebula Graph中的Schema要素如下表所示。

    要素名称属性
    Tagplayername string, age int
    Tagteamname string
    Edge Typefollowdegree int
    Edge Typeservestart_year int, end_year int
  2. 在Nebula Graph中创建一个图空间basketballplayer,并创建一个Schema,如下所示。

    1. ## 创建图空间
    2. nebula> CREATE SPACE basketballplayer \
    3. (partition_num = 10, \
    4. replica_factor = 1, \
    5. vid_type = FIXED_STRING(30));
    6. ## 选择图空间basketballplayer
    7. nebula> USE basketballplayer;
    8. ## 创建Tag player
    9. nebula> CREATE TAG player(name string, age int);
    10. ## 创建Tag team
    11. nebula> CREATE TAG team(name string);
    12. ## 创建Edge type follow
    13. nebula> CREATE EDGE follow(degree int);
    14. ## 创建Edge type serve
    15. nebula> CREATE EDGE serve(start_year int, end_year int);

更多信息,请参见快速开始

步骤 2:修改配置文件

编译Exchange后,复制target/classes/application.conf文件设置MySQL数据源相关的配置。在本示例中,复制的文件名为mysql_application.conf。各个配置项的详细说明请参见配置说明

  1. {
  2. # Spark相关配置
  3. spark: {
  4. app: {
  5. name: Nebula Exchange 2.5.1
  6. }
  7. driver: {
  8. cores: 1
  9. maxResultSize: 1G
  10. }
  11. cores {
  12. max: 16
  13. }
  14. }
  15. # Nebula Graph相关配置
  16. nebula: {
  17. address:{
  18. # 以下为Nebula Graph的Graph服务和Meta服务所在机器的IP地址及端口。
  19. # 如果有多个地址,格式为 "ip1:port","ip2:port","ip3:port"。
  20. # 不同地址之间以英文逗号 (,) 隔开。
  21. graph:["127.0.0.1:9669"]
  22. meta:["127.0.0.1:9559"]
  23. }
  24. # 填写的账号必须拥有Nebula Graph相应图空间的写数据权限。
  25. user: root
  26. pswd: nebula
  27. # 填写Nebula Graph中需要写入数据的图空间名称。
  28. space: basketballplayer
  29. connection {
  30. timeout: 3000
  31. retry: 3
  32. }
  33. execution {
  34. retry: 3
  35. }
  36. error: {
  37. max: 32
  38. output: /tmp/errors
  39. }
  40. rate: {
  41. limit: 1024
  42. timeout: 1000
  43. }
  44. }
  45. # 处理点
  46. tags: [
  47. # 设置Tag player相关信息。
  48. {
  49. # Nebula Graph中对应的Tag名称。
  50. name: player
  51. type: {
  52. # 指定数据源文件格式,设置为MySQL。
  53. source: mysql
  54. # 指定如何将点数据导入Nebula Graph:Client或SST。
  55. sink: client
  56. }
  57. host:192.168.*.*
  58. port:3306
  59. database:"basketball"
  60. table:"player"
  61. user:"test"
  62. password:"123456"
  63. sentence:"select playerid, age, name from basketball.player order by playerid;"
  64. # 在fields里指定player表中的列名称,其对应的value会作为Nebula Graph中指定属性。
  65. # fields和nebula.fields里的配置必须一一对应。
  66. # 如果需要指定多个列名称,用英文逗号(,)隔开。
  67. fields: [age,name]
  68. nebula.fields: [age,name]
  69. # 指定表中某一列数据为Nebula Graph中点VID的来源。
  70. vertex: {
  71. field:playerid
  72. }
  73. # 单批次写入 Nebula Graph 的数据条数。
  74. batch: 256
  75. # Spark 分区数量
  76. partition: 32
  77. }
  78. # 设置Tag team相关信息。
  79. {
  80. name: team
  81. type: {
  82. source: mysql
  83. sink: client
  84. }
  85. host:192.168.*.*
  86. port:3306
  87. database:"basketball"
  88. table:"team"
  89. user:"test"
  90. password:"123456"
  91. sentence:"select teamid, name from basketball.team order by teamid;"
  92. fields: [name]
  93. nebula.fields: [name]
  94. vertex: {
  95. field: teamid
  96. }
  97. batch: 256
  98. partition: 32
  99. }
  100. ]
  101. # 处理边数据
  102. edges: [
  103. # 设置Edge type follow相关信息
  104. {
  105. # Nebula Graph中对应的Edge type名称。
  106. name: follow
  107. type: {
  108. # 指定数据源文件格式,设置为MySQL。
  109. source: mysql
  110. # 指定边数据导入Nebula Graph的方式,
  111. # 指定如何将点数据导入Nebula Graph:Client或SST。
  112. sink: client
  113. }
  114. host:192.168.*.*
  115. port:3306
  116. database:"basketball"
  117. table:"follow"
  118. user:"test"
  119. password:"123456"
  120. sentence:"select src_player,dst_player,degree from basketball.follow order by src_player;"
  121. # 在fields里指定follow表中的列名称,其对应的value会作为Nebula Graph中指定属性。
  122. # fields和nebula.fields里的配置必须一一对应。
  123. # 如果需要指定多个列名称,用英文逗号(,)隔开。
  124. fields: [degree]
  125. nebula.fields: [degree]
  126. # 在source里,将follow表中某一列作为边的起始点数据源。
  127. # 在target里,将follow表中某一列作为边的目的点数据源。
  128. source: {
  129. field: src_player
  130. }
  131. target: {
  132. field: dst_player
  133. }
  134. # 单批次写入 Nebula Graph 的数据条数。
  135. batch: 256
  136. # Spark 分区数量
  137. partition: 32
  138. }
  139. # 设置Edge type serve相关信息
  140. {
  141. name: serve
  142. type: {
  143. source: mysql
  144. sink: client
  145. }
  146. host:192.168.*.*
  147. port:3306
  148. database:"basketball"
  149. table:"serve"
  150. user:"test"
  151. password:"123456"
  152. sentence:"select playerid,teamid,start_year,end_year from basketball.serve order by playerid;"
  153. fields: [start_year,end_year]
  154. nebula.fields: [start_year,end_year]
  155. source: {
  156. field: playerid
  157. }
  158. target: {
  159. field: teamid
  160. }
  161. batch: 256
  162. partition: 32
  163. }
  164. ]
  165. }

步骤 3:向Nebula Graph导入数据

运行如下命令将MySQL数据导入到Nebula Graph中。关于参数的说明,请参见导入命令参数

  1. ${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.exchange.Exchange <nebula-exchange-2.5.1.jar_path> -c <mysql_application.conf_path>

Note

JAR包有两种获取方式:自行编译或者从maven仓库下载。

示例:

  1. ${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.exchange.Exchange /root/nebula-spark-utils/nebula-exchange/target/nebula-exchange-2.5.1.jar -c /root/nebula-spark-utils/nebula-exchange/target/classes/mysql_application.conf

用户可以在返回信息中搜索batchSuccess.<tag_name/edge_name>,确认成功的数量。例如batchSuccess.follow: 300

步骤 4:(可选)验证数据

用户可以在Nebula Graph客户端(例如Nebula Graph Studio)中执行查询语句,确认数据是否已导入。例如:

  1. GO FROM "player100" OVER follow;

用户也可以使用命令SHOW STATS查看统计数据。

步骤 5:(如有)在Nebula Graph中重建索引

导入数据后,用户可以在Nebula Graph中重新创建并重建索引。详情请参见索引介绍


最后更新: August 11, 2021