Metastore Hive

Dataproc Metastore est un métastore Apache Hive (HMS) sans serveur, à autoréparation, à disponibilité élevée et entièrement géré qui s'exécute sur Google Cloud.

Pour gérer entièrement vos métadonnées, Dataproc Metastore mappe vos données avec les tables Apache Hive.

Versions d'Apache Hive compatibles

Dataproc Metastore n'est compatible qu'avec des versions spécifiques d'Apache Hive. Pour en savoir plus, consultez les Règles relatives aux versions de Hive.

Comment Hive gère les métadonnées

Dataproc Metastore étant un métastore Hive, il est important de comprendre comment il gère vos métadonnées.

Par défaut, toutes les applications Hive peuvent avoir des tables internes gérées ou des tables externes non gérées. Cela signifie que les métadonnées que vous stockez dans un service Dataproc Metastore peuvent exister à la fois dans des tables internes et externes.

Lors de la modification de données, un service Dataproc Metastore (Hive) traite les tables internes et externes différemment.

  • Tableaux internes. Gère les métadonnées et les données de table.
  • Tables externes. Gère uniquement les métadonnées.

Par exemple, si vous supprimez une définition de table à l'aide de l'instruction SQL Hive DROP TABLE:

drop table foo

  • Tableaux internes. Dataproc Metastore supprime toutes les métadonnées. Elle supprime également les fichiers associés à la table.

  • Tables externes. Dataproc Metastore supprime uniquement les métadonnées. Il conserve les données associées à la table.

Répertoire d'entrepôt Hive

Dataproc Metastore utilise le répertoire d'entrepôt Hive pour gérer vos tables internes. Le répertoire d'entrepôt Hive est l'endroit où sont stockées vos données.

Lorsque vous utilisez un service Dataproc Metastore, le répertoire d'entrepôt Hive par défaut est un bucket Cloud Storage. Dataproc Metastore n'est compatible qu'avec l'utilisation de buckets Cloud Storage pour le répertoire d'entrepôt. En comparaison, cela diffère de celui d'un service HMS sur site, où le répertoire d'entrepôt Hive pointe généralement vers un répertoire local.

Ce bucket est automatiquement créé pour vous chaque fois que vous créez un service Dataproc Metastore. Cette valeur peut être modifiée en définissant un remplacement de configuration du métastore Hive sur la propriété hive.metastore.warehouse.dir.

Buckets d'artefacts Cloud Storage

Le bucket d'artefacts stocke vos artefacts Dataproc Metastore, tels que les métadonnées exportées et les données de table interne gérée.

Lorsque vous créez un service Dataproc Metastore, un bucket Cloud Storage est automatiquement créé dans votre projet. Par défaut, le bucket d'artefacts et le répertoire de l'entrepôt pointent vers le même bucket. Vous ne pouvez pas modifier l'emplacement du bucket d'artefacts, mais vous pouvez modifier l'emplacement du répertoire d'entrepôt Hive.

Le bucket d'artefacts se trouve à l'emplacement suivant:

  • gs://your-artifacts-bucket/hive-warehouse.
  • Par exemple, gs://gcs-your-project-name-0825d7b3-0627-4637-8fd0-cc6271d00eb4.

Accéder au répertoire d'entrepôt Hive

Une fois votre bucket automatiquement créé, assurez-vous que vos comptes de service Dataproc sont autorisés à accéder au répertoire de l'entrepôt Hive.

  • Pour accéder au répertoire d'entrepôt au niveau de l'objet (par exemple, gs://mybucket/object), accordez aux comptes de service Dataproc un accès en lecture et en écriture à l'objet de stockage du bucket, à l'aide du rôle roles/storage.objectAdmin. Ce rôle doit être défini au niveau du bucket ou à un niveau supérieur.

  • Pour accéder au répertoire d'entrepôt lorsque vous utilisez un dossier de premier niveau (par exemple, gs://mybucket), accordez aux comptes de service Dataproc un accès en lecture et en écriture à l'objet de stockage du bucket, à l'aide du rôle roles/storage.storageAdmin.

Si le répertoire d'entrepôt Hive ne se trouve pas dans le même projet que Dataproc Metastore, assurez-vous que l'agent de service Dataproc Metastore est autorisé à accéder au répertoire d'entrepôt Hive. L'agent de service d'un projet Dataproc Metastore est service-PROJECT_NUMBER@gcp-sa-metastore.iam.gserviceaccount.com. Accordez à l'agent de service un accès en lecture et en écriture au bucket à l'aide du rôle roles/storage.objectAdmin.

Trouver le répertoire d'entrepôt Hive

  1. Ouvrez la page Dataproc Metastore.

  2. Cliquez sur le nom de votre service.

    La page "Service details" (Détails du service) s'ouvre.

  3. Dans le tableau de configuration, recherchez Remplacements de configuration Metastore > hive.metastore.warehouse.dir.

  4. Recherchez la valeur commençant par gs://.

    Cette valeur correspond à l'emplacement de votre répertoire d'entrepôt Hive.

    Valeurs hive.metastore.warehouse.dir

Modifier le répertoire d'entrepôt Hive

Pour utiliser votre propre bucket Cloud Storage avec Dataproc Metastore, définissez un remplacement de configuration Hive Metastore de sorte qu'il pointe vers le nouvel emplacement du bucket.

Si vous modifiez votre répertoire d'entrepôt par défaut, suivez ces recommandations.

  • N'utilisez pas la racine du bucket Cloud Storage (gs://mybucket) pour stocker des tables Hive.

  • Assurez-vous que le compte de service de la VM Dataproc Metastore est autorisé à accéder au répertoire d'entrepôt Hive.

  • Pour de meilleurs résultats, utilisez des buckets Cloud Storage situés dans la même région que votre service Dataproc Metastore. Bien que Dataproc Metastore autorise les buckets interrégionaux, les ressources hébergées en colocation sont plus performantes. Par exemple, un bucket multirégional de l'UE ne fonctionne pas bien avec un service us-central1. L'accès interrégional entraîne une latence plus élevée, l'absence d'isolation des défaillances régionales et des frais pour la bande passante réseau interrégionale.

Modifier le répertoire d'entrepôt Hive

  1. Ouvrez la page Dataproc Metastore.

  2. Cliquez sur le nom de votre service.

    La page "Service details" (Détails du service) s'ouvre.

  3. Dans le tableau de configuration, recherchez la section Remplacements de configuration Metastore > hive.metastore.warehouse.dir.

  4. Remplacez la valeur hive.metastore.warehouse.dir par l'emplacement de votre nouveau bucket. Exemple :gs://my-bucket/path/to/location

Supprimer votre bucket

La suppression de votre service Dataproc Metastore ne supprime pas automatiquement votre bucket d'artefacts Cloud Storage. Votre bucket n'est pas automatiquement supprimé, car il peut contenir des données post-service utiles. Pour supprimer le bucket, exécutez une opération de suppression Cloud Storage.

Étapes suivantes