作者：谢敏灵

Atlas元数据采集框架

目的

基于以上框架，使用HDP或CDP的Atlas采集CDH6的元数据和血缘，理论上只需要将相应的Atlas Hook正确部署到CDH6对应的服务上即可。本文以采集Hive元数据和血缘为例，描述如何部署Atlas Hive Hook到CDH6上。

验证环境

HDP 3.1.5集群。组件版本：Atlas 2.0.0.3.1.5.0-152，Hadoop 3.1.1， Hive 3.1.0，HBase 2.0.2，Infra Solr 0.1.0

CDP 7.1.2集群。组件版本：Atlas 2.0.0.7.1.2.0-96，Hadoop 3.1.1， Hive 3.1.3000，HBase 2.2.3，Solr 8.4.1

CDH 6.3.2集群。组件版本：Hive 2.1.1

备注：为了能在CDH6上采集到字段级别的血缘，必须确保补丁HIVE-14706已打到CDH6的Hive 2.1.1上。

使用HDP Atlas采集元数据

1.获取Atlas Hive Hook的jar包

在HDP平台上，通常可以从/usr/hdp/3.1.5.0-152/atlas/hook/hive/atlas-hive-plugin-impl获取Atlas Hive Hook的所有jar包(包括依赖包)：

2.复制Atlas jar包到CDH节点

将HDP的Atlas Hive Hook的jar包复制到CDH的HS2和HMS节点上。比如：将jar包复制到/opt/local/hive/lib目录下，并将ower更改为hive:hive：

3.复制Atlas配置文件到CDH节点

在CDH的HS2和HMS节点上创建/etc/atlas/conf目录，并将HDP Atlas配置文件atlas-application.properties复制到该目录：

Atlas配置文件内容：

需要将atlas.cluster.name设置为合适的名称，以便在Atlas Server上区分哪些元数据是来自于该CDH集群。

4.更改CDH的Hive配置

(1)在Hive服务高级配置代码段增加hive.reloadable.aux.jars.path和hive.exec.post.hooks配置项：

(2)在HiveServer2和Hive Metastore Server的Java配置选项里增加配置：

重启Hive服务。

5.验证

在CDH的beeline上执行以下SQL：

create table default.test_hook_hdp_1 (id int, name string);create table default.test_hook_hdp_2 as select * from default.test_hook_hdp_1;

登录HDP的Atlas Web UI，验证元数据和血缘的采集情况：

采集到了CDH的default数据库的元数据：

采集到了CDH的test_hook_hdp_1和test_hook_hdp_2表的元数据：

采集到了表级血缘：

采集到了字段级血缘：

使用CDP Atlas采集元数据

1.获取Atlas Hive Hook的jar包

在CDP平台上，通常可以从/opt/cloudera/parcels/CDH-7.1.2-1.cdh7.1.2.p0.4253134/lib/hive/lib/atlas-hive-plugin-impl获取Atlas Hive Hook的所有jar包(包括依赖包)：

2.复制Atlas jar包到CDH节点

将CDP的Atlas Hive Hook的jar包复制到CDH的HS2和HMS节点上。比如：将jar包复制到/opt/local/hive/lib712目录下，并将ower更改为hive:hive：

3.复制Atlas配置文件到CDH节点

在CDH的HS2和HMS节点上创建/etc/atlas/conf目录，并将CDP Atlas配置文件atlas-application.properties复制到该目录：

Atlas配置文件内容：

CDP Atlas增加了一个新的配置参数atlas.metadata.namespace，用于指定来自某个集群的元数据所在的命名空间；当然，也可以继续使用旧的配置参数atlas.cluster.name。CDP Atlas会优先查找atlas.metadata.namespace，当找不到该参数时，再查找atlas.cluster.name。

4.更改CDH的Hive配置

(1)在Hive服务高级配置代码段增加hive.reloadable.aux.jars.path和hive.exec.post.hooks配置项：

(2)在HiveServer2和Hive Metastore Server的Java配置选项里增加配置：

重启Hive服务。

5.验证

在CDH的beeline上执行：

create table default.test_hook_cdp_1 (id int, name string);create table default.test_hook_cdp_2 as select * from default.test_hook_cdp_1;

登录CDP的Atlas Web UI，验证元数据和血缘的采集情况：

采集到了CDH的default数据库的元数据：

采集到了CDH的test_hook_cdp_1和test_hook_cdp_2表的元数据：

采集到了表级血缘：

采集到了字段级血缘：

备注：CDP Atlas Hive Hook的HiveMetaStoreBridge类的getDatabaseName方法使用了Hive3的接口获取database的catalog name：

public static String getDatabaseName(Database hiveDB){

String dbName      = hiveDB.getName().toLowerCase();

String catalogName = hiveDB.getCatalogName() != null ? hiveDB.getCatalogName().toLowerCase() : null;

if (StringUtils.isNotEmpty(catalogName) && !StringUtils.equals(catalogName, DEFAULT_METASTORE_CATALOG)) {

dbName = catalogName + SEP + dbName;

}

return dbName;

}

但因为CDH6的Hive是2.1.1版本，所以，运行在CDH6环境下的CDP Atlas Hive Hook在获取catalog name时，会报以下错误：

java.lang.NoSuchMethodError: org.apache.hadoop.hive.metastore.api.Database.getCatalogName()

针对该问题，有两种处理方式：

1.使用HDP Atlas Hive Hook的jar包。因为HDP jar包没有尝试调用Hive3接口获取catalog name(catalog name不作为database name的一部分)，所以可以规避该错误。

2.修改CDP Atlas Hive Hook的HiveMetaStoreBridge类，在获取catalog name抛异常时不影响hook的运行：

public static String getDatabaseName(Database hiveDB){

String dbName      = hiveDB.getName().toLowerCase();

//String catalogName = hiveDB.getCatalogName() != null ? hiveDB.getCatalogName().toLowerCase() : null;

String catalogName = null;

try {

if (hiveDB.getCatalogName() != null) {

catalogName = hiveDB.getCatalogName().toLowerCase();

}

} catch (NoSuchMethodError e) {

LOG.warn("Failed while getting catalog name of database");

}

if (StringUtils.isNotEmpty(catalogName) && !StringUtils.equals(catalogName, DEFAULT_METASTORE_CATALOG)) {

dbName = catalogName + SEP + dbName;

}

return dbName;

}