导入 SST 文件Graph

Nebula Exchange 能将不同来源的数据转换成 SST 文件后再导入 NebulaGraph 数据库中。本文描述 Exchange 将源数据转换为 SST 文件并导入 NebulaGraph 的实现原理，并提供示例说明如何修改配置文件完成 SST 文件导入操作。

说明：仅 Linux 系统支持导入 SST 文件。

实现方法Graph

NebulaGraph 底层使用 RocksDB 作为键值型存储引擎。RocksDB 是基于磁盘的存储引擎，数据以 Sorted String Table（SSTable）格式存放。SSTable 是一个内部包含了任意长度、排好序的键值对 <key,value> 集合的文件，用于高效地存储大量的键值型数据。

RocksDB 提供了一系列 API 用于创建及导入 SST 文件，有助于您快速导入海量数据。

处理 SST 文件的整个过程主要由 Exchange 的 Reader、sstProcessor 和 sstWriter 完成。整个数据处理过程如下所示：

1. Exchange 的 Reader 从数据源中读取数据。

2. sstProcessor 按照 NebulaGraph 要求的格式生成 SST 文件，存储到本地，并上传到 HDFS。SST 文件主要包含点和边两类数据，其中，

   • 表示点的键包括：分区信息、点 ID（VID）、标签类型信息和标签版本信息。
   • 表示边的键包括：分区信息、起点和终点 ID（rsc_vid 和 dst_vid）、边类型信息、边排序信息和边版本信息。
   • 对应的值主要包含各个属性键值对序列化信息。

3. SstFileWriter 创建 SST 文件：Exchange 会创建一个 SstFileWriter 对象，然后打开一个文件并插入数据。生成 SST 文件时，行数据必须严格按照增序进行写入。

4. 生成 SST 文件之后，RocksDB 通过 IngestExternalFile() 方法将 SST 文件导入到 NebulaGraph 之中。例如：

   IngestExternalFileOptions ifo;
   // Ingest the 2 passed SST files into the DB
   Status s = db_->IngestExternalFile({"/home/usr/file1.sst", "/home/usr/file2.sst"}, ifo);
   if (!s.ok()) {
     printf("Error while adding file %s and %s, Error %s\n",
            file_path1.c_str(), file_path2.c_str(), s.ToString().c_str());
     return 1;
   }
   

   调用 IngestExternalFile() 方法时，RocksDB 默认会将文件拷贝到数据目录，并且阻塞 RocksDB 写入操作。如果 SST 文件中的键范围覆盖了 Memtable 键的范围，则将 Memtable 落盘（flush）到硬盘。将 SST 文件放置在 LSM 树最优位置后，为文件分配一个全局序列号，并打开写操作。

使用示例Graph

不同来源的数据，导入 NebulaGraph 的操作与客户端形式导入操作基本相同，但是有以下差异：

• 环境里必须部署 HDFS。
• 在配置文件中，必须做以下修改：
  • 源数据的标签和边类型配置：tags.type.sink 和 edges.type.sink 必须配置为 sst。

  • NebulaGraph 相关配置里，需要添加 NebulaGraph 数据库 Meta 服务的 IP 地址和端口，并添加 SST 文件在本地和 HDFS 的存储路径。

      # NebulaGraph 相关配置
      nebula:  {
        address: {
          # 添加 NebulaGraph 数据库 Graph 服务的 IP 地址和端口
          graph: ["127.0.0.1:3699"]
          # 添加 NebulaGraph 数据库 Meta 服务的 IP 地址和端口
          meta:["127.0.0.1:45500"]
        }
        user: user
        pswd: password
        space: test
        path:{
          # 指定 SST 文件保存到本地的路径
          local:/Users/example/path
          # 指定上传 SST 文件的 HDFS 路径
          remote:/example/
        }
    
        connection {
          timeout: 3000
          retry: 3
        }
    
        execution {
          retry: 3
        }
    
        error: {
          max: 32
          output: /tmp/errors
        }
    
        rate: {
          limit: 64M
          timeout: 1000
        }
      }
    

详细描述请参考不同数据源的操作示例：

• Graph
• Graph
• Graph
• Graph
• 导入 HBase 数据[doc_TODO]
• 导入 HIVE 数据[doc_TODO]
• 导入 Kafka 数据[doc_TODO]
• 导入 MySQL 数据[doc_TODO]