Apache Kyuubi 按照和使用文档

Apache Kyuubi 按照和使用文档

kyuubi apache/kyuubi - 该项目是一个基于 Apache Spark 的 SQL 查询引擎，提供了一个交互式的命令行界面和 RESTful API，以便于用户快速查询和分析大规模数据集。 项目地址: https://gitcode.com/gh_mirrors/kyuu/kyuubi

1. 项目介绍

Apache Kyuubi 是一个分布式且多租户的网关，它提供了在数据仓库和湖仓上进行无服务器 SQL 的能力。Kyuubi 通过 Thrift JDBC/ODBC 接口为终端用户提供了操作大规模数据的纯 SQL 网关，与预编程和可扩展的 Spark SQL 引擎配合使用。这种“开箱即用”的模型极大地降低了终端用户在客户端使用 Spark 的门槛和成本。在服务器端，Kyuubi 服务器和引擎的多租户架构为管理员提供了计算资源隔离、数据安全、高可用性和高客户端并发等管理方式。

2. 项目快速启动

环境准备

• JDK 1.8 或更高版本
• Scala 2.13.x
• Apache Spark 3.x

部署步骤

1. 克隆项目

   git clone https://github.com/apache/kyuubi.git
   

2. 构建项目

   cd kyuubi
   sbt clean assembly
   

3. 启动 Kyuubi 服务器

   bin/kyuubi-start.sh
   

4. 连接 Kyuubi 服务器

   使用 JDBC 连接字符串连接到 Kyuubi 服务器：

   jdbc:hive2://<kyuubi-server-host>:<kyuubi-server-port>/default;user=<username>;password=<password>
   

   其中 <kyuubi-server-host> 和 <kyuubi-server-port> 分别是 Kyuubi 服务器的地址和端口，<username> 和 <password> 是连接时使用的用户名和密码。

3. 应用案例和最佳实践

案例一：从 HiveServer2 迁移工作负载到 Spark SQL

在典型的大数据生产环境中，尤其是安全性较高的环境，所有的捆绑服务都会管理访问控制列表，以限制对授权用户的访问。例如，Hadoop YARN 将计算资源划分为队列，通过队列访问控制列表（Queue ACLs）来识别和控制哪些用户/组可以在特定队列上执行操作。类似地，HDFS 访问控制列表（ACLs）通过为特定用户/组设置不同的权限来控制对 HDFS 文件的访问。

Apache Spark 是一个用于大规模数据处理的全分析引擎，它提供了一个分布式 SQL 引擎，即 Spark Thrift Server（STS），旨在与 HiveServer2 无缝兼容，并提供更好的性能。

HiveServer2 能够识别并验证调用者，如果调用者还拥有 YARN 队列和 HDFS 文件的权限，那么操作将成功，否则失败。然而，STS 是一个单一的 Spark 应用程序，它在启动时确定了所属的用户和队列。因此，STS 无法利用集群管理器如 YARN 和 Kubernetes 进行资源管理。

最佳实践

• 使用 Kyuubi 作为统一的 SQL 网关，以支持多种计算引擎。
• 利用 Kyuubi 的多租户特性来实现资源隔离和优化资源利用率。
• 配合 Apache Superset 等工具实现数据的可视化分析。

4. 典型生态项目

• Apache Spark：Kyuubi 主要与 Spark SQL 引擎配合使用，提供无服务器 SQL 服务。
• Apache Superset：一个数据可视化和业务智能平台，可以与 Kyuubi 集成，提供丰富的可视化功能。
• Hadoop YARN：集群资源管理器，可以与 Kyuubi 配合使用，进行资源分配和管理。
• HDFS：分布式文件系统，为 Kyuubi 提供数据存储支持。

通过以上介绍，您可以开始使用 Apache Kyuubi 来简化大数据处理工作，并探索其在不同应用场景中的优势。

kyuubi apache/kyuubi - 该项目是一个基于 Apache Spark 的 SQL 查询引擎，提供了一个交互式的命令行界面和 RESTful API，以便于用户快速查询和分析大规模数据集。 项目地址: https://gitcode.com/gh_mirrors/kyuu/kyuubi