导入MySQL数据Graph

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NebulaGraph。

数据集Graph

本文以Graph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player、team、follow和serve四个表存储了所有点和边的信息。以下为各个表的结构。

mysql> desc player;
+----------+-------------+------+-----+---------+-------+
| Field    | Type        | Null | Key | Default | Extra |
+----------+-------------+------+-----+---------+-------+
| playerid | varchar(30) | YES  |     | NULL    |       |
| age      | int         | YES  |     | NULL    |       |
| name     | varchar(30) | YES  |     | NULL    |       |
+----------+-------------+------+-----+---------+-------+

mysql> desc team;
+--------+-------------+------+-----+---------+-------+
| Field  | Type        | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| teamid | varchar(30) | YES  |     | NULL    |       |
| name   | varchar(30) | YES  |     | NULL    |       |
+--------+-------------+------+-----+---------+-------+

mysql> desc follow;
+------------+-------------+------+-----+---------+-------+
| Field      | Type        | Null | Key | Default | Extra |
+------------+-------------+------+-----+---------+-------+
| src_player | varchar(30) | YES  |     | NULL    |       |
| dst_player | varchar(30) | YES  |     | NULL    |       |
| degree     | int         | YES  |     | NULL    |       |
+------------+-------------+------+-----+---------+-------+

mysql> desc serve;
+------------+-------------+------+-----+---------+-------+
| Field      | Type        | Null | Key | Default | Extra |
+------------+-------------+------+-----+---------+-------+
| playerid   | varchar(30) | YES  |     | NULL    |       |
| teamid     | varchar(30) | YES  |     | NULL    |       |
| start_year | int         | YES  |     | NULL    |       |
| end_year   | int         | YES  |     | NULL    |       |
+------------+-------------+------+-----+---------+-------+

环境配置Graph

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

NebulaGraph：2.0.0。使用Graph。

前提条件Graph

开始导入数据之前，您需要确认以下信息：

已经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NebulaGraph写权限的用户名和密码。

已经编译Exchange。详情请参见Graph。本示例中使用Exchange 2.0。

已经安装Spark。

了解NebulaGraph中创建Schema的信息，包括标签和边类型的名称、属性等。

已经安装并开启Hadoop服务。

操作步骤Graph

步骤 1：在NebulaGraph中创建SchemaGraph

分析数据，按以下步骤在NebulaGraph中创建Schema：

确认Schema要素。NebulaGraph中的Schema要素如下表所示。

要素	名称	属性
标签（Tag）	`player`	`name string, age int`
标签（Tag）	`team`	`name string`
边类型（Edge Type）	`follow`	`degree int`
边类型（Edge Type）	`serve`	`start_year int, end_year int`

在NebulaGraph中创建一个图空间basketballplayer，并创建一个Schema，如下所示。

## 创建图空间
nebula> CREATE SPACE basketballplayer \
        (partition_num = 10, \
        replica_factor = 1, \
        vid_type = FIXED_STRING(30));

## 选择图空间basketballplayer
nebula> USE basketballplayer;

## 创建标签player
nebula> CREATE TAG player(name string, age int);

## 创建标签team
nebula> CREATE TAG team(name string);

## 创建边类型follow
nebula> CREATE EDGE follow(degree int);

## 创建边类型serve
nebula> CREATE EDGE serve(start_year int, end_year int);

更多信息，请参见Graph。

步骤 2：修改配置文件Graph

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Graph。

{
  # Spark相关配置
  spark: {
    app: {
      name: Nebula Exchange 2.0
    }
    driver: {
      cores: 1
      maxResultSize: 1G
    }
    cores {
      max: 16
    }
  }

# NebulaGraph相关配置
  nebula: {
    address:{
      # 以下为NebulaGraph的Graph服务和Meta服务所在机器的IP地址及端口。
      # 如果有多个地址，格式为 "ip1:port","ip2:port","ip3:port"。
      # 不同地址之间以英文逗号 (,) 隔开。
      graph:["127.0.0.1:9669"]
      meta:["127.0.0.1:9559"]
    }
    # 填写的账号必须拥有NebulaGraph相应图空间的写数据权限。
    user: root
    pswd: nebula
    # 填写NebulaGraph中需要写入数据的图空间名称。
    space: basketballplayer
    connection {
      timeout: 3000
      retry: 3
    }
    execution {
      retry: 3
    }
    error: {
      max: 32
      output: /tmp/errors
    }
    rate: {
      limit: 1024
      timeout: 1000
    }
  }
  # 处理点
  tags: [
    # 设置标签player相关信息。
    {
      # NebulaGraph中对应的标签名称。
      name: player
      type: {
        # 指定数据源文件格式，设置为MySQL。
        source: mysql
        # 指定如何将点数据导入NebulaGraph：Client或SST。
        sink: client
      }

      host:192.168.*.*
      port:3306
      database:"basketball"
      table:"player"
      user:"test"
      password:"123456"
      sentence:"select playerid, age, name from basketball.player order by playerid;"

      # 在fields里指定player表中的列名称，其对应的value会作为NebulaGraph中指定属性。
      # fields和nebula.fields里的配置必须一一对应。
      # 如果需要指定多个列名称，用英文逗号（,）隔开。
      fields: [age,name]
      nebula.fields: [age,name]

      # 指定表中某一列数据为NebulaGraph中点VID的来源。
      # vertex.field的值必须与上述fields中的列名保持一致。
      vertex: {
        field:playerid
      }

      # 单次写入 NebulaGraph 的最大点数据量。
      batch: 256

      # Spark 分区数量
      partition: 32
    }
    # 设置标签team相关信息。
    {
      name: team
      type: {
        source: mysql
        sink: client
      }

      host:192.168.*.*
      port:3306
      database:"basketball"
      table:"team"
      user:"test"
      password:"123456"
      sentence:"select teamid, name from basketball.team order by teamid;"

      fields: [name]
      nebula.fields: [name]
      vertex: {
        field: teamid
      }
      batch: 256
      partition: 32
    }

  ]

  # 处理边数据
  edges: [
    # 设置边类型follow相关信息
    {
      # NebulaGraph中对应的边类型名称。
      name: follow

      type: {
        # 指定数据源文件格式，设置为MySQL。
        source: mysql

        # 指定边数据导入NebulaGraph的方式，
        # 指定如何将点数据导入NebulaGraph：Client或SST。
        sink: client
      }

      host:192.168.*.*
      port:3306
      database:"basketball"
      table:"follow"
      user:"test"
      password:"123456"
      sentence:"select src_player,dst_player,degree from basketball.follow order by src_player;"

      # 在fields里指定follow表中的列名称，其对应的value会作为NebulaGraph中指定属性。
      # fields和nebula.fields里的配置必须一一对应。
      # 如果需要指定多个列名称，用英文逗号（,）隔开。
      fields: [degree]
      nebula.fields: [degree]

      # 在source里，将follow表中某一列作为边的起始点数据源。
      # 在target里，将follow表中某一列作为边的目的点数据源。
      source: {
        field: src_player
      }

      target: {
        field: dst_player
      }

      # 单次写入 NebulaGraph 的最大点数据量。
      batch: 256

      # Spark 分区数量
      partition: 32
    }

    # 设置边类型serve相关信息
    {
      name: serve
      type: {
        source: mysql
        sink: client
      }

      host:192.168.*.*
      port:3306
      database:"basketball"
      table:"serve"
      user:"test"
      password:"123456"
      sentence:"select playerid,teamid,start_year,end_year from basketball.serve order by playerid;"
      fields: [start_year,end_year]
      nebula.fields: [start_year,end_year]
      source: {
        field: playerid
      }
      target: {
        field: teamid
      }
      batch: 256
      partition: 32
    }
  ]
}

步骤 3：向NebulaGraph导入数据Graph

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

${SPARK_HOME}/bin/spark-submit --master "local" --class com.vesoft.nebula.exchange.Exchange <nebula-exchange-2.0.0.jar_path> -c <mysql_application.conf_path>

Note

JAR包有两种获取方式：Graph或者从maven仓库下载。

示例：

${SPARK_HOME}/bin/spark-submit  --master "local" --class com.vesoft.nebula.exchange.Exchange  /root/nebula-spark-utils/nebula-exchange/target/nebula-exchange-2.0.0.jar  -c /root/nebula-spark-utils/nebula-exchange/target/classes/mysql_application.conf

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

步骤 4：（可选）验证数据Graph

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

GO FROM "player100" OVER follow;

您也可以使用命令Graph查看统计数据。

步骤 5：（如有）在NebulaGraph中重建索引Graph

导入数据后，您可以在NebulaGraph中重新创建并重建索引。详情请参见Graph。

最后更新: May 13, 2021