跳转至

配置说明Graph

本文介绍使用Nebula Exchange时如何修改配置文件Graph。

修改配置文件之前，建议根据数据源复制并修改文件名称，便于区分。例如数据源为CSV文件，可以复制为csv_application.conf。

配置文件的内容主要分为如下几类：

  • Spark相关配置
  • Hive配置（可选）
  • NebulaGraph相关配置
  • 点配置
  • 边配置

Spark相关配置Graph

本文只列出部分Spark参数，更多参数请参见Graph。

参数 数据类型 默认值 是否必须 说明
spark.app.name string Nebula Exchange 2.0 否 Spark驱动程序名称。
spark.driver.cores int 1 否 驱动程序使用的CPU核数，仅适用于集群模式。
spark.driver.maxResultSize string 1G 否 单个Spark操作（例如collect）时，所有分区的序列化结果的总大小限制（字节为单位）。最小值为1M，0表示无限制。
spark.executor.memory string 1G 否 Spark驱动程序使用的内存量，可以指定单位，例如512M、1G。
spark.cores.max int 16 否 当驱动程序以“粗粒度”共享模式在独立部署集群或Mesos集群上运行时，跨集群（而非从每台计算机）请求应用程序的最大CPU核数。如果未设置，则值为Spark的独立集群管理器上的spark.deploy.defaultCores或Mesos上的infinite（所有可用的内核）。

Hive配置（可选）Graph

如果Spark和Hive部署在不同集群，才需要配置连接Hive的参数，否则请忽略这些配置。

参数 数据类型 默认值 是否必须 说明
hive.warehouse string - 是 HDFS中的warehouse路径。用双引号括起路径，以hdfs://开头。
hive.connectionURL string - 是 JDBC连接的URL。例如"jdbc:mysql://127.0.0.1:3306/hive_spark?characterEncoding=UTF-8"。
hive.connectionDriverName string "com.mysql.jdbc.Driver" 是 驱动名称。
hive.connectionUserName list[string] - 是 连接的用户名。
hive.connectionPassword list[string] - 是 用户名对应的密码。

NebulaGraph相关配置Graph

参数 数据类型 默认值 是否必须 说明
nebula.address.graph list[string] ["127.0.0.1:9669"] 是 所有Graph服务的地址，包括IP和端口，多个地址用英文逗号（,）分隔。格式为["ip1:port1","ip2:port2","ip3:port3"]。
nebula.address.meta list[string] ["127.0.0.1:9559"] 是 所有Meta服务的地址，包括IP和端口，多个地址用英文逗号（,）分隔。格式为["ip1:port1","ip2:port2","ip3:port3"]。
nebula.user string - 是 拥有NebulaGraph写权限的用户名。
nebula.pswd string - 是 用户名对应的密码。
nebula.space string - 是 需要导入数据的的图空间名称。
nebula.path.local string "/tmp" 否 （TODO:coding）导入SST文件时需要设置本地SST文件路径。
nebula.path.remote string "/sst" 否 （TODO:coding）导入SST文件时需要设置远端SST文件路径。
nebula.path.hdfs.namenode string "hdfs://name_node:9000" 否 （TODO:coding）导入SST文件时需要设置HDFS的namenode。
nebula.connection.timeout int 3000 否 Thrift连接的超时时间，单位为 ms。
nebula.connection.retry int 3 否 Thrift连接重试次数。
nebula.execution.retry int 3 否 nGQL语句执行重试次数。
nebula.error.max int 32 否 导入过程中的最大失败次数。当失败次数达到最大值时，提交的Spark作业将自动停止。
nebula.error.output string /tmp/errors 否 输出错误日志的路径。错误日志保存执行失败的nGQL语句。
nebula.rate.limit int 1024 否 导入数据时令牌桶的令牌数量限制。
nebula.rate.timeout int 1000 否 令牌桶中拿取令牌的超时时间，单位：毫秒。

点配置Graph

对于不同的数据源，点的配置也有所不同，有很多通用参数，也有部分特有参数，配置时需要配置通用参数和不同数据源的特有参数。

通用参数Graph

参数 数据类型 默认值 是否必须 说明
tags.name string - 是 NebulaGraph中定义的Tag名称。
tags.type.source string - 是 指定数据源。例如csv。
tags.type.sink string client 是 指定导入方式，可选值为client和SST（不支持）。
tags.fields list[string] - 是 属性对应的列的表头或列名。如果有表头或列名，请直接使用该名称。如果CSV文件没有表头，用[_c0, _c1, _c2]的形式表示第一列、第二列、第三列，以此类推。
tags.nebula.fields list[string] - 是 NebulaGraph中定义的属性名称，顺序必须和tags.fields一一对应。例如[_c1, _c2]对应[name, age]，表示第二列为属性name的值，第三列为属性age的值。
tags.vertex.field string - 是 点ID的列。例如CSV文件没有表头时，可以用_c0表示第一列的值作为点ID。
tags.batch int 256 是 单批次写入NebulaGraph的最大点数量。
tags.partition int 32 是 Spark分片数量。

Parquet/JSON/ORC源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.path string - 是 HDFS中点数据文件的路径。用双引号括起路径，以hdfs://开头。

CSV源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.path string - 是 HDFS中点数据文件的路径。用双引号括起路径，以hdfs://开头。
tags.separator string , 是 分隔符。默认值为英文逗号（,）。
tags.header bool true 是 文件是否有表头。

Hive源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.exec string - 是 查询数据源的语句。例如select name,age from mooc.users。

Neo4j源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.exec string - 是 查询数据源的语句。例如match (n:label) return n.neo4j-field-0。
tags.server string "bolt://127.0.0.1:7687" 是 Neo4j服务器地址。
tags.user string - 是 拥有读取权限的Neo4j用户名。
tags.password string - 是 用户名对应密码。
tags.database string - 是 Neo4j中保存源数据的数据库名。
tags.check_point_path string /tmp/test 否 设置保存导入进度信息的目录，用于断点续传。如果未设置，表示不启用断点续传。

MySQL源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.host string - 是 MySQL服务器地址。
tags.port string - 是 MySQL服务器端口。
tags.database string - 是 数据库名称。
tags.table string - 是 需要作为数据源的表名称。
tags.user string - 是 拥有读取权限的MySQL用户名。
tags.password string - 是 用户名对应密码。
tags.sentence string - 是 查询数据源的语句。例如"select teamid, name from basketball.team order by teamid;"。

Hbase源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.host string 127.0.0.1 是 Hbase服务器地址。
tags.port string 2181 是 Hbase服务器端口。
tags.table string - 是 需要作为数据源的表名称。
tags.columnFamily string - 是 表所属的列族（column family）。

Pulsar源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.service string "pulsar://localhost:6650" 是 Pulsar服务器地址。
tags.admin string "http://localhost:8081" 是 连接pulsar的admin.url。
tags.options.<topic\|topics\| topicsPattern> string - 是 Pulsar的选项，可以从topic、topics和topicsPattern选择一个进行配置。
tags.interval.seconds int 10 是 读取消息的间隔。单位：秒。

Kafka源特有参数Graph

参数 数据类型 默认值 是否必须 说明
tags.service string - 是 Kafka服务器地址。
tags.topic string - 是 消息类别。
tags.interval.seconds int 10 是 读取消息的间隔。单位：秒。

边配置Graph

对于不同的数据源，边的配置也有所不同，有很多通用参数，也有部分特有参数，配置时需要配置通用参数和不同数据源的特有参数。

边配置的不同数据源特有参数请参见上方点配置内的特有参数介绍，注意区分tags和edges即可。

通用参数Graph

参数 数据类型 默认值 是否必须 说明
edges.name string - 是 NebulaGraph中定义的Edge type名称。
edges.type.source string - 是 指定数据源。例如csv。
edges.type.sink string client 是 指定导入方式，可选值为client和SST（不支持）。
edges.fields list[string] - 是 属性对应的列的表头或列名。如果有表头或列名，请直接使用该名称。如果CSV文件没有表头，用[_c0, _c1, _c2]的形式表示第一列、第二列、第三列，以此类推。
edges.nebula.fields list[string] - 是 NebulaGraph中定义的属性名称，顺序必须和edges.fields一一对应。例如[_c2, _c3]对应[start_year, end_year]，表示第三列为开始年份的值，第四列为结束年份的值。
edges.source.field string - 是 边的起始点的列。例如_c0表示第一列的值作为边的起始点。
edges.target.field string - 是 边的目的点的列。例如_c1表示第二列的值作为边的目的点。
edges.ranking int - 否 rank值的列。没有指定时，默认所有rank值为0。
edges.batch int 256 是 单批次写入NebulaGraph的最大边数量。
edges.partition int 32 是 Spark分片数量。
最后更新: 2021年8月4日
Back to top