写点什么

手把手教你从数据预处理开始体验图数据库

用户头像
Nebula Graph
关注
发布于: 2021 年 04 月 22 日


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

  1. docker RPM 包 https://docs.docker.com/engine/install/centos/#install-from-a-package

  2. docker-compose tar 包 https://github.com/docker/compose/releases

  3. 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)

  4. 配置文件 https://github.com/vesoft-inc/nebula-docker-compose/blob/docker-swarm/docker-stack.yaml

  5. nebula-studio GitHub 上下载 zip 包 https://github.com/vesoft-inc/nebula-web-docker

安装

  1. 安装 Docker:

$ rpm -ivh <rpm包>$ systemctl start docker --启动$ systemctl status docker --查看状态
复制代码
  1. 安装 docker-compose

$ mv docker-compose /usr/local/bin/ --把docker-compose文件移动到/usr/local/bin$ chmod a+x /usr/local/bin/docker-compose --改权限$ docker-compose -version
复制代码
  1. 导入镜像

$ docker load <镜像tar包>$ docker image ls
复制代码
  1. 在机器 manager machine 上执行以下命令初始化 Docker Swarm 集群:

$ sudo docker swarm init --advertise-addr <manager machine ip>
复制代码
  1. 根据提示在另一台服务器上以 worker 的身份 join swarm

$ docker node ls
复制代码
  • 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)。

$ systemctl status firewalld.service$ systemctl disable firewalld.service
复制代码
  1. 在 manager 节点上改写 docker-stack.yml,并创建 nebula.env

-- nebula.envTZ=UTCUSER=root
复制代码
  • 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。

  1. 在 manager 节点上动 nebula 集群

$ docker stack deploy <stack name> -c docker-stack.yml
复制代码

这里附带一些我 Debug / 检查方法:

$ docker service ls --查看服务状态$ docker service ps <NAME/ID> --查看某一个具体的状态$ docker stack ps --no-trunc <stack name> --查看 stack 里所有的进程
复制代码
  1. 安装 Studio

代码文件夹里是 v1,有一个 v2 的文件夹里是 v2

$ cd nebula-web-docker
复制代码

$ cd nebula-web-docker/v2$ docker-compose up -d -- 构建并启动 Studio 服务; 
复制代码

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

  1. 获取源码 https://github.com/ldbc/ldbc_snb_datagen/tree/stable,scale factor 1-1000 用 stable branch。

  2. 下载 hadoop-3.2.1.tar.gz: http://archive.apache.org/dist/hadoop/core/hadoop-3.2.1/

  3. 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:

  1. csv:10 个 partition 原始数据约 42 M7 千多个点,40 万条边

  2. 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:

  1. 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 ^^

推荐阅读

用户头像

Nebula Graph

关注

一款开源的分布式图数据库 2020.04.28 加入

Follow me, here is my GitHub profile: https://github.com/vesoft-inc/nebula

评论

发布
暂无评论
手把手教你从数据预处理开始体验图数据库