作者：谢敏灵
Atlas元数据采集框架
目的
基于以上框架，使用CDP的Atlas采集CDH5的元数据和血缘，理论上只需要将相应的Atlas Hook正确部署到CDH5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CDH5上。
验证环境
- CDP 7.1.3集群。组件版本：Atlas 2.0.0.7.1.3.0-100，Hadoop 3.1.1， Hive 3.1.3000，HBase 2.2.3，Solr 8.4.1
- CDH 5.15.1集群。组件版本：Hive 1.1.0 cdh5.15.1 1395
备注：为了能在CDH5上采集到字段级别的血缘，必须确保补丁HIVE-13112和HIVE-14706已打到CDH5的Hive 1.1.0上。
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-7.1.3-1.cdh7.1.3.p0.4992530/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/usr/lib/hive/jars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：
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.exec.post.hooks配置项：
（2）配置HIVE_AUX_JARS_PATH：
（3）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：为了让CDP Atlas Hook能在CDH5环境下运行，需要修改部分CDP Atlas代码：
1.CDP Atlas Hive Hook的HiveMetaStoreBridge类的getDatabaseName方法使用了Hive3的接口获取database的catalog name：
代码语言：javascript复制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CDH5的Hive是1.1.0版本，所以，运行在CDH5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，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：
代码语言：javascript复制 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;
}
2.CDH5.15.1的依赖包commons-configuration的版本是1.6，版本过低，其AbstractConfiguration类的getList方法缺乏将boolean或int这种primitive类型的值转化为List的逻辑，造成Atlas的ApplicationProperties类初始化失败，进而造成CDH5.15.1的Hive Server2无法正常使用。对于该问题，临时的处理方法是更改ApplicationProperties.setDefaults方法，将boolean和int类型的参数值转换为String。
