手把手教你从数据预处理开始体验图数据库
本文首发于 Nebula 公众号:手把手教你从数据预处理开始体验图数据库,由社区用户 Jiayi98 供稿,分享了她离线部署 Nebula Graph、预处理 LDBC 数据集的经验,是个对新手极度友好的手把手教你学 Nebula 分享。
这不是一个标准的压力测试,而是通过一个小规模的测试帮助我熟悉 Nebula 的部署,数据导入工具,查询语言,Java API,数据迁移,以及集群性能的一个简单了解。
准备
所有的准备都需要找个有网的环境
docker RPM 包 https://docs.docker.com/engine/install/centos/#install-from-a-package
docker-compose tar 包 https://github.com/docker/compose/releases
提前下载镜像 [https://hub.docker.com/search?q=vesoft&type=image](https://hub.docker.com/search?q=vesoft&type=image),将 metad、graphd、storaged、console、studio、http-gateway、http-client、nginx、importer(用
docker save xxx
命令将拉好的镜像导出成 tar 包)配置文件 https://github.com/vesoft-inc/nebula-docker-compose/blob/docker-swarm/docker-stack.yaml
nebula-studio GitHub 上下载 zip 包 https://github.com/vesoft-inc/nebula-web-docker
安装
安装 Docker:
安装 docker-compose
导入镜像
在机器 manager machine 上执行以下命令初始化 Docker Swarm 集群:
根据提示在另一台服务器上以
worker
的身份join swarm
添加
worker node
如果出现以下报错:
Error response from daemon: rpc error: code = Unavailable desc = connection error: desc = "transport: Error while dialing dial tcp 172.16.9.129:2377: connect: no route to host"
一般是防火墙未关闭导致的(用以下方式关闭防火墙)。
在 manager 节点上改写
docker-stack.yml
,并创建nebula.env
Yaml file 里的 hostname 多台机器不可同名,启动时的错误多半是因为配置文件写得有问题,v1 升级 v2 也只需要把配置文件里的镜像换一下就可以了。
在 manager 节点上动 nebula 集群
这里附带一些我 Debug / 检查方法:
安装 Studio
代码文件夹里是 v1,有一个 v2 的文件夹里是 v2
或
其中,-d
表示在后台运行服务容器
启动成功后,在浏览器地址栏输入:http://ip address:7001
测试
我用的 LDBC。
准备
获取源码 https://github.com/ldbc/ldbc_snb_datagen/tree/stable,scale factor 1-1000 用 stable branch。
下载 hadoop-3.2.1.tar.gz: http://archive.apache.org/dist/hadoop/core/hadoop-3.2.1/
LDBC 数据预处理
LDBC 数据预处理
这里需要说明一下,要注意你用的 nebula 版本是否支持 “|”
作为分隔符。
ldbc 的所有 vertex 和 edge 的 ID / index 都有问题,需要处理一下使得所有 vertex 的 ID 变为 unique key。
我的做法是每个 vertex 我都给一个前缀,比如 person,原始 ID 为 933,变为 p933。(为了试用一下我自己搭的 CDH 我用 Spark 做的数据预处理,处理过的数据放在 HDFS 以便后面用 nebula-exchange 导入)
硬件资源
备注:Nebula 不推荐使用 HDD,但我也没有 SSD, 最后测试结果证明 HDD 真的很弱。
服务分布
3 节点,服务分布如下
192.168.1.10 meta,storage
192.168.1.12 graph,meta,storage
192.168.1.60 graph,meta,storage
2 图空间:
csv:10 个 partition 原始数据约 42 M7 千多个点,40 万条边
test:100 个 partition 原始数据约 73 G1.1 亿多个点,28.2 亿多条边(Edge: 1,101,535,334;Vertex: 282,612,309)
导入 Nebula 之后,占用储存空间共约 76 G,其中 wal 文件占 2.2 G 左右。
没有做导入的测试,一部分用了 Nebula-Importer 导入,一部分用了 Exchange 导入:
开始测试
测试方法:
选取 1000 个 vertex,进行 1000 次查询的平均值
三度超时是将
timeout
参数调高至 120 秒后的结果,后来在终端执行了一次三度发现要三百多秒。
最后,希望这份文档对和我一样的小白们有帮助,也感谢一直以来社区和官方的答疑解惑。
Nebula 真的让用户感到真的非常 supportive,在学习使用 Nebula 的过程中我也收获了很多~
进一步交流
交流图数据库技术?加入 Nebula 交流群请先填写下你的 Nebulae 名片,Nebula 小助手会拉你进群~~
要不要看看【美团的图数据库系统】、【微众银行的数据治理方案】以及其他大厂的风控、知识图谱实践?Follow Nebula 公众号:NebulaGraphCommunity 回复「PPT」即可习得大厂实践技能 ^^
评论