Oracle hadoop doag-big-data_09_2014_gpi

Seite 1Gunther Pippèrr © 2014 http://www.pipperr.de
ORACLE UND HADOOP
Zusammen ein Team?
Konferenz – Nürnberg 2014
NoSQL Vortrag – Taiwan/Taipei 2014

Warum nun Big DATA
Was treibt uns an?
Neue Lösungen für alte Probleme?

Datenqualität und -Stabilität
Daten
Sammeln
Daten
Archivieren
Daten
auswerten
• Daten ändern über die Jahre
semantisch und syntaktisch ihre
Bedeutung
• Wenig feste Strukturen
• Hohe Fehlerwahrscheinlichkeit
• Nachvollziehbarkeit
der Ergebnisse
Herausforderung

Datenwachstum und Performance
Daten
Sammeln
Daten
Archivieren
Daten
auswerten
• Platzbedarf• Geringer Nutzinhalt
• Hohes Aufkommen
• Performance
Herausforderung

Warum Hadoop?
Ein neuer Standard oder nur ein neuer
Hype?

File System und Batch Prozessing
 Hadoop - Verteiltes Cluster File System
– Container für verschiedene Datenbank Lösungen
• Andere Datenbanken wie RainStor© oder HIVE nützen Hadoop als
Dateisystem
 Hadoop - MapReduce Framework
– Framework für das MapReduce Pattern über vielen Knoten
Alternative: Ceph Clusterfiles System
Alternativen MapReduce Abfragen:
• Parallel SQL Engines wie Impala
• Oracle Big Data SQL

Qual der Wahl – Die Software um Hadoop
 Hadoop wird immer mehr ein Synonym für eine
verteilte Datenhaltung
 Im Hadoop Ökosystem wird jede Komponente eines
„großen“ RDBMS Systems über ein eigenes Produkt
umgesetzt
DatenhaltungAbfrage Sprache Optimizer
PIG
HIVEImpala
Drill
Oracle Big Data SQL
RainStor
ETL
sqoop
HBase

Hadoop integrieren
Für was kann das jetzt alles nur
verwendet werden?

Einsatzgebiet – Ergänzung zum Bestands DWH
 Einsatzgebiete
– Sammeln von Log Informationen aus dem Betrieb
• Wie Listener und Audit Logs der Datenbanken
– Stream Processing von Maschinendaten
– Archivieren von Historischen Daten
• Wie Partitionen aus DWH Tabellen
Ziele:
• Nur die zur Zeit wichtige Daten im Live System vorhalten
• Keine Daten verlieren, die noch wichtig werden könnten
Anforderung: Große Datenmengen aufbewahren und nur bei Bedarf SELTEN analysieren

Die Herausforderung in der Praxis
 Integration in die bestehende IT Landschaft
– Alle Kernprozesse sind bereits im DWH effizient abgebildet
– Berichtwesen / Reporting bereits aufgesetzt
Motivation:
• Lizenz Kosten erzwingen bereits vor dem Erreichen technischer „Problemgrößen“ neue Lösungen
• Storage Kosten steigen überproportional bei Anforderungen an Performance / Verfügbarkeit /
Volumen
IST
DWH
Neu
• Implementierung
• Migration von Alt Daten
• Schulung von Mitarbeitern
Neu
IST
DWH
Aufwand:
IntegrationMigration
Neu

Wo setzt die Integration an?
 Zugriff auf die Daten über die Datenbank
 Logische Integration über das Berichtswesen
DBNoSQL Reporting
DB
NoSQL
Reporting
Bestehende BI/Reporting Umgebung
Bestehende Zugriffsberechtigung
und Userverwaltung
Vollständige Umsetzung des NoSQL Konzepts
Wie wird der Zugriff auf die Daten kontrolliert und protokolliert – Stichwort Berechtigungskonzept

Integration der DB‘s in das Hadoop Ökosystem
MapReduce Daten vom Oracle NoSQL Store
lesen
HDFS
Hadoop Filesystem
Ergebnisse ablegen
12c
Als "External Table" Daten
ablegen
Hive
Als "External Table" lesen
Nur EE Edition der Oracle NoSQL!
Daten sammeln
Integration
- "External Table“ Prinzip
- „SQL*Loader“ Prinzip
- Data Reader in der DatenbankDaten auswerten

Umsetzung
Wie kann die Integration technisch
gelingen?

Hadoop Sicht – Ziel – Eine zentrale Abfrage (1)
 Ziel: mit einer Abfrage ein Ergebnisse aus allen
Quellen erhalten
Oracle
RDBMS
Abfragen
• Performance
• Wartbarkeit/Pflege
• Kosten
Auswahl Kriterien:
MapReduce JobsSQL Abfragen
Kein direkter Master für die Daten
Apache Drill
Oracle Big Data SQL

Hadoop Sicht – Ziel – Eine zentrale Abfrage (2)
 Prinzip des umgekehrten ETL
– Quelldaten erstmal einfach in Rohformat speichern
– Die Quelldaten werden nicht aufbereitet!
• Die Abfragen auf die Daten passen sich flexible an die Daten an,
(soweit möglich)
– Mehrere Quellen werden kombiniert
 Abfrage Systeme über mehrere Datenquellen
– Apache Drill
• SQL Meta Suche
– Oracle Big Data SQL – ein neues Oracle Produkt

Datenbank Sicht – Ziel – eine SQL Abfrage
 Ziel: Eine SQL Abfrage aus der Datenbank
Oracle RDBMS
"External Table" Data Pump
SQL Abfrage
• Performance
• Wartbarkeit/Pflege
• Kosten
Auswahl Kriterien:
SQL*Loader
SQL AbfragenHDFSHDFS
Hive
Der Master ist die Oracle Datenbank
Konnektoren
Java in der
Datenbank
MapReduce Jobs
Oracle Gateway
Heterogeneous Services
JDBC?
SQL Abfragen
?

Konnektoren  ORACLE RDBMS (1)
 "External Table" Prinzip – Daten verbleiben im HDFS
– CSV Dateien / Hive Tabellen als Oracle Tabellen lesen
• Eigene Skripte mit "PREPROCESSOR" für "External Table"
einbinden
• FUSE Mount Points im Filesystem für "traditionelle" Zugriffe
einbinden
– HDFS als "normales" Filesystem einbinden
• Kostenpflichtige Lösung: Oracle SQL Connector for HDFS - OSCH
– Ehemals Oracle Direct Connector for Hadoop Distributed File System
• Direkt vom HDFS die Daten per Java Klassen aus der DB lesen

 „External Table" Prinzip – Daten verbleiben im HDFS
– Data Pump "External Table" als Oracle Tabellen lesen
• Tabellen / Partitionen in das HDFS archivieren und in der DB löschen
• Bei Bedarf die Daten wieder einbinden
• FUSE Mount Point
– HDFS als Filesystem für die Archivierung nützen
• Als "External Table" einbinden
– Oracle Direct Connector – "External Table" im Data Pump Format
Oracle "External Table" TYPE oracle_datapump können NICHT mit "impdb" als Import Quelle
verwendet werden, da das Export File Format unterschiedlich ist!

 SQL*Loader Prinzip – Daten werden in das jeweilige
Ziel geladen
– Oracle*Loader für Hadoop
• Für das einlesen der Daten vom Hadoop Cluster
– Quest (veraltet?)
• Data Connector for Oracle and Hadoop ( Erweiterung Sqoop)
– Apache Sqoop(TM)
• Open Source SQL*Loader für Hadoop – lesen UND schreiben
=> Apache Flume
Mehr für das zentrale Sammeln von Log Daten: Einsammeln, filtern und in
das HDFS schreiben

 Data Konnektoren über Java IN der Datenbank
– Eigene Java Programm lesen Daten aus der DB von Hadoop
• MapReduce Framework aus der Datenbank heraus aufrufen
• Wie ein SOA Adapter oder ein klassisches REST Interface
– MapReduce Jobs per Java mit Oracle Klassen mit 12c r2 in
Vorbereitung

Wie kann das praktisch
umgesetzt werden?
Wie fange ich da nun an?

Unser Ziel – Eine zentrale Log Ablage
 Alert.log
 listener.log
 DB Job Logs
 Audit$ Logs
 Statspack/AWR/ASH
 Trace Files
 SQL Text und Execution Pläne

Die Aufgabe- Ein eigener Oracle Audit Vault (1)
 Zentrales Sammeln und Auswertung aller Security
Log Daten alle Datenbanken im Unternehmen
– Ausgewertet wird:
• AUD$ Einträge
• Listener.log
• Alert.log
– Über eine zentrale Oracle Datenbank sollen die Ergebnisse
mit Apex ausgewertet werden
Anforderung: Autorisierung und Unveränderbarkeit der Daten sicherstellen

Qual der Wahl!
 Wo anfangen? – Welche Produkte wählen?
?
? ?
?
Wie verwalte und warte ich das Ganze?
Was kann ich mir leisten?
Was muss ich am wenigsten installieren
/konfigurieren?
Hadoop
PIG
Apache Drill
SqoopHive
Flume
Oracle*Loader für Hadoop - OLH
Oracle BIG Data SQL
OSCH – Oracle SQL Connector for HDFS

HDFS
Architektur Übersicht – Variante Oracle Adapter
AUD$
Hadoop
Connector
Quellen pro Maschine Audit DB
Ext
Table
Ext
Table
Ext
Table
APEX
Listener.ora
Audit.log
sys.log
HIVE
Oracle
Dumps
Ext
Table
Ext
Table
Ext
Table
Ext
Table
Hadoop
Connector
Hadoop
Connector
Daten verbleiben im HDFS
Zugriffsberechtigungen
werden in der Oracle DB gepflegt
Remote: flume
Local: pig
Format AUD_<DBID>_<SID>_<YYYYDDMM>
Logs
Hadoop Client Hadoop Client
Hadoop Client

HDFS
Architektur Übersicht – Variante Open Source
Quelle
Ext
Table
Listener.ora
Audit.log
sys.log
Remote: flume
Ext
Table
Aud$ XML
Logs
Logs
Logs
Default
Connector
Java
MapReduce
Preprozesso
rJava
MapReduce
HIVE
FUSEAUD$ Sqoop
Local: pig
Quellen pro Maschine Audit DB
APEX

Umsetzung – "External Table" Konnektoren
 Oracle SQL Connector for HDFS OSCH
– Data Pump Table Exports möglich
• Vorteil: Schnelles wiedereinlesen
• Nachteil:
– Für andere Tools nicht lesbar!
– Evtl.. Datenbank-Versions abhängig!
– Es können keine Daten angefügt werden!
– Direktes Erzeugen von Hive Tabellen
• Vorteil: auch andere Werkzeuge können
mit den Daten arbeiten
– CSV Dateien HDFS
Oracle
Dumps
Location
Files
Hadoop
Connector
Ext
Table
Hadoop API
HIVE
Zur Zeit nur für Datenbanken unter Linux verfügbar!
Aud$
Exports
Listener.log
alert.log

OSCH - Oracle SQL Connector for HDFS
 SQL Abfrage über eine "External Table"
Location Files
Oracle Datenbank
Präprozessor
HDFS_STREAM
Ext
Table
Aud$ Exports
Listener.log - alert.logHive Table
Delimited Text
Data Pump
HDFS API
SQL Connector for
HDFS
Oracle Server
Hadoop Node HDFS
Location Files = URI für die Daten im HDFS
Location Files
Location Files

OSCH – Die Bedeutung der Location Files
 Location Files – Pointer auf die Daten im HDFS
– Die Location Files enthalten die einzelnen Ziel Dateien auf dem HDFS
– Werden beim „-createTable“ unter dem Verzeichnis des DIRECTORY
Objekts anleget
– Ändern die sich die Daten im HDFS können diese Dateien mit „-publish“
aktualisiert werden
– Beispiel:
<?xml version="1.0" encoding="UTF-8" standalone="yes"?>
<locationFile>
<header>
<version>1.0</version>
<fileName>osch-20140831075440-588-1</fileName>
<createDate>2014-08-30T19:10:08</createDate>
<publishDate>2014-08-31T07:54:40</publishDate>
<productName>Oracle SQL Connector for HDFS Release 3.0.0 - Production</productName>
<productVersion>3.0.0</productVersion>
</header>
<uri_list>
<uri_list_item size="11723955"
compressionCodec="">HDFS://bigdatalite.localdomain:8020/tmp/auditGPI/part-m-00003</uri_list_item>
</uri_list>
</locationFile>

Installation Oracle Connector for HDFS
 Hadoop Client auf DB Host aufsetzen
 Zip Archive auspacken und Umgebung anpassen
 Oracle DB User einrichten/konfigurieren
– Recht read/write/execute auf das OSCH_BIN Directory für
den User zusätzlich vergeben!
 Mit dem „external Command Tool“ die „External Table“
anlegen
 Abfragen

Oracle SQL Connector for Hadoop OSCH (1)
 „Oracle SQL Connector for Hadoop“ für HIVE verwenden
– "External Table" erzeugen mit:
Auf der zentralen Datenbank
für die Auswertung der Log Daten
hadoop jar $OSCH_HOME/jlib/orahdfs.jar
oracle.hadoop.exttab.ExternalTable
-D oracle.hadoop.exttab.hive.tableName=ext_ora_audit_gpi
-D oracle.hadoop.exttab.hive.databaseName=default
-D oracle.hadoop.exttab.sourceType=hive
-D oracle.hadoop.exttab.tableName=ext_ora_audit_gpi_hive
-D oracle.hadoop.connection.url=jdbc:oracle:thin:@//localhost:1521/orcl
-D oracle.hadoop.connection.user=scott
-D oracle.hadoop.exttab.defaultDirectory=HADOOP_EXT_TABS
-createTable

Oracle SQL Connector for Hadoop OSCH (2)
 Oracle SQL Connector for Hadoop
 4. "External Table" DDL abfragen mit „-getDDL“ / überprüfen:
ORGANIZATION EXTERNAL
( TYPE ORACLE_LOADER
DEFAULT DIRECTORY "HADOOP_EXT_TABS"
…
PREPROCESSOR "OSCH_BIN_PATH":'hdfs_stream'
….
)
)
LOCATION
( 'osch-20140830073731-58-1',
'osch-20140830073731-58-2',
'osch-20140830073731-58-3',
'osch-20140830073731-58-4'
)
)
Location Files

Probleme über Probleme …..
 CLASSPATH muss die Jar Files von Hive enthalten
– Bei Problem im Hadoop Kommando Script direkt anpassen
 HIVE Tabelle darf keine Spalten vom Typ „BINARY“
enthalten
 Problem mit Datumsformaten und Null Spalten
– Export per Scoop => null wird 'null'
– Die Generiert Anweisung=>
– "TIMESTAMP" CHAR DATE_FORMAT DATE MASK 'YYYY-MM-DD'
NULLIF "TIMESTAMP"=0X'5C4E', => N
– Benötigt wird aber ein =>
– "TIMESTAMP" CHAR DATE_FORMAT DATE MASK 'YYYY-MM-DD'
NULLIF "TIMESTAMP"=0X'276E756C6C27'‚ => 'null'

Oracle Loader for Hadoop - OLH
 Daten in die Datenbank einlesen
Oracle Datenbank
ApplicationsManager
Hive Table
MapReduce Job
Delimited Text
Data Pump Format
Oracle Server
Hadoop Node
HDFSAVRO
Custom Format
Oracle Loader for
Hadoop
Offline Load
Online Load
• JDBC
• OCI direct Path

Oracle Loader for Hadoop – OLH (1)
 Dateien im „Data Pump Export“ Format von HDFS Daten für
den Import erzeugen
 Online Mode – Daten werden direkt in die Datenbank geladen
 Offline Mode – Daten werden zuerst aus dem Hadoop in Data Pump oder
CSV Format erzeugt und können später traditionell eingebunden werden
 Ablauf:
 Tabelle in der Oracle DB anlegen
 Job Konfigurationsdatei für den MapReduce Job anlegen
 Job Starten und Daten aus Hive / CSV Daten exportieren und in Richtung
Oracle DB importieren
Nachteil:
An dem Data Pump Dump können keine weitern Daten angefügt werden
Dump müssen über select * und weitere "External Table" zusammen gefügt werden

Oracle Loader for Hadoop – OLH (2)
 Probleme:
– Bei der Verwendung von Hive Tabellen müssen noch einige
Jar Files einzeln angegeben werden!
– Fehler:
– Lösung
hadoop jar /u01/connectors/olh/jlib/oraloader.jar oracle.hadoop.loader.OraLoader
-conf hdfs_job_config.xml
-libjars /usr/lib/hive/lib/hive-metastore-0.12.0-cdh5.0.0.jar
,/usr/lib/hive/lib/hive-serde-0.12.0-cdh5.0.0.jar
,/usr/lib/hive/lib/libthrift-0.9.0.cloudera.2.jar
,/usr/lib/hive/lib/hive-common-0.12.0-cdh5.0.0.jar
Error: java.lang.ClassNotFoundException: org.apache.hadoop.hive.metastore.TableType at
.. Und weitere

Lizenz?
 Lizensierung Oracle Big Data Connectors
– Pro Prozessor der Hadoop Clusters
– Kosten:
• Oracle Technology Global Price List July 22, 2014
• 2000,- USA (Dollar) per Hadoop Cluster Processor
See: http://docs.oracle.com/cd/E53356_01/doc.30/e53065/bda.htm#BIGLI113
See :http://www.oracle.com/us/corporate/pricing/technology-price-list-070617.pdf

"External Table" per FUSE Projekt
 HDFS Filesystem per FUSE als Linux Filesystem
einbinden
– Mit Hilfe der FUSE Technology (Mountable HDFS - mount
point for HDFS) kann auf das HDFS mit Standard Oracle
Methoden wie auf ein normales Filesystem zugegriffen
werden.
– Laut Oracle Doku langsamer als die Oracle Big Data
Connectors (Faktor 5) und CPU Lastig (3' Fach höher)
– https://wiki.apache.org/hadoop/MountableHDFS
yum install hadoop-hdfs-fuse.x86_6
hadoop-fuse-dfs dfs://<name_node_hostname>:<namenode_port>

"External Table" mit PREPROCESSOR
 Einbinden von Skripten über die PREPROCESSOR
Anweisung
 Ein Shell Script wird aufgerufen und liefert Daten
zurück
– Die Dateiangaben im Location Part können als Parameter
übergeben werden, damit kann der Job parametrisiert
werden
– Im Shell Script kann der Connect auf die Daten erfolgen
– Standard Out Pipe wird mit der "External Table" verknüpft
Diese Lösung ist damit Lizenzkostenfrei!

Beispiel „external Table“ mit PREPROCESSOR
 Beispiel:
CREATE TABLE PREPREP_EXT(
wert VARCHAR2(2000)
)
ORGANIZATION EXTERNAL
( TYPE ORACLE_LOADER
DEFAULT DIRECTORY DATA_LOAD
ACCESS PARAMETERS
( RECORDS DELIMITED BY NEWLINE
PREPROCESSOR EXT_COMMAND:'loadFromHadoop.sh'
SKIP 0
LOGFILE EXT_DATA:'data_load.log'
BADFILE EXT_DATA:'data_load.bad'
NODISCARDFILE
FIELDS TERMINATED BY ';' OPTIONALLY ENCLOSED BY '"'
MISSING FIELD VALUES ARE NULL
)
LOCATION (EXT_DATA:'hadoop_locator.dat')
)
REJECT LIMIT 0
NOPARALLEL
NOMONITORING
;

„External Table“ mit PREPROCESSOR (2)
 Im Script wird die entsprechende Logik aufgerufen
– Lade die Daten aus dem Hadoop auf den DB Server
• hdfs dfs –cat /user/auditdat/logfile.a..
– Stelle die Daten der "External Table" zur Verfügung
• Über Standard out wird verknüpft
#!/bin/sh
#Laufzeitumgebung setzen
export PATH=$PATH:/bin:/sbin/:/usr/bin
export HADOOP_LIBEXEC_DIR=/usr/lib/hadoop/libexec
export HADOOP_CONF_DIR=/etc/hadoop/conf.bigdatalite
# Übergabe Parameter Datei auslesen und Inhalt als Parameter verwerten
FILENAME=`/bin/cat $1`
#Mit HDFS Bordmitteln die Datei auswerten
/usr/lib/hadoop-hdfs/bin/hdfs dfs -cat $FILENAME

DEMO
 External Table Demo
Aus Hadoop mit Board
mitteln lesen

Hadoop
Sqoop 2 einsetzen
 Sqoop 2 Data Loader – Eine Art SQL*Loader?
Oracle
RDBMS
AUD$
ApplicationsManager
C 2
A 2
B 3
A 2
G 7
Y 8
Hive Table
Sqoop
Client
Sqoop
Metadata
JDBC
Configure and start Job
Store Job Configuration
MapReduce Job
AUD$_QUELL_DB_SID
Daten aus der Quelldatenbank exportieren und in Hadoop ablegen

Sqoop 2 – Installation und Setup
 Software herunterladen und auspacken
– JDBC Treiber für Oracle kopieren
 Connect zum Hadoop Cluster konfigurieren
– Mindestens ein Hadoop Client muss installiert sein
 Server Prozess starten
 Daten transferieren

Flexibler Import mit Sqoop
 Daten aufteilen mit
– Select <spalte> from <table> where <condition>
– Eigene SQL Abfrage
 Parallele Abarbeitung
 Inkrementelles Laden über eine where Bedingung
Bei Test auf der Oracle BigData Appliance
„Exception in thread „main“ groovy.lang.MissingPropertyException: No such property: terminal for class: jline.Terminal“
Lösung:
unset CLASSPATH
export CLIENT_LIB=/usr/lib/sqoop2/client-lib
/usr/lib/sqoop2/bin/sqoop.sh client

Beispiel Sqoop 2
 Am Sqoop Server anmelden
 Connection Objekt anlegen
– JDBC Zugriff auf die Oracle DB konfigurieren
 Job Objekt definieren
– Wie soll der Job abgearbeitet werden
 Job starten und Daten nach Hadoop importieren
sqoop:000> create connection --cid 1
sqoop:000> create job --xid 1 --type import
sqoop:000> start job --jid 1
$SQOOP_HOME/bin/sqoop.sh client
sqoop:000> set server --host nosqldb01 --port 12000 --webapp sqoop

Sqoop ist nicht „SQL Injektion“ save!
 In der AUD$ hieß ein User 'TESTER
– Beim Laden im Log:
SELECT * FROM SYSTEM.AUD$ WHERE ''TESTER' <= USERID AND
USERID < '+��'

Vergleich der SQL*Loader Werkzeuge
 Kostenpflichtig
 => Laden in die Oracle
Datenbank
 Parallelisierung auf Oracle
zugeschnitten
Apache Sqoop
 Open Source
 Laden von und nach
Hadoop
 Version 1.4 für Hadoop 1
 Version 1.9 für Hadoop 2
 Parallel Verarbeitung ?
Oracle SQL*Loader - OLH

Apache Flume
 Eine Art „syslog“ Demon
 Übernimmt den Transport der Log Daten
– Log Daten in Hive ablegen
Flume sammelt und überträgt
HDFS
Sink
Listener.ora
Flume
Agent – Tier Collector – Tier Storage – Tier
C 2
A 2
B 3
A 2
G 7
Y 8
Hive Table
Source Channel
Logfiles

Beispiel für den Einsatz mit dem Listener.log
 Ein Log Eintrag:
Lister Log
Log.xml
Oracle Datenbank Server
Nur Flume
keine weiteren Libraries installiert
Flume
Agent
Source
Channel
Sink
Flume
Agent
Source
Channel
HDFS
Sink
Ein Hadoop Knoten

Flume Konfiguration
vi /usr/lib/flume-ng/conf/agent-conf.properties
agent.sources = OraListener
agent.channels = memoryChannel
agent.sinks = avro-forward
# Channel type exec
agent.sources.OraListener.type = exec
agent.sources.OraListener.command = tail -F
/opt/oracle/diag/tnslsnr/oradb12c01/listener/alert/log.xml
# The channel can be defined as follows
agent.sources.OraListener.channels = memoryChannel
#sink
agent.sinks.avro-forward.type = avro
agent.sinks.avro-forward.hostname = 10.10.10.12
agent.sinks.avro-forward.port = 44444
#Specify the channel the sink should use agent.sinks.avro-
forward.channel = memoryChannel
# Each channels type is defined
agent.channels.memoryChannel.type = memory
agent.channels.memoryChannel.capacity = 100
# starten
export JAVA_HOME=/usr/java/jdk1.7.0_67
/usr/lib/flume-ng/bin/flume-ng agent -n agent -c
/usr/lib/flume-ng/conf -f /usr/lib/flume-ng/conf/agent-
conf.properties
HDFS Agent
vi /etc/flume-ng/conf/agent2-conf.properties
agent2.sources = OraLogFiles
agent2.channels = memoryChannel
agent2.sinks = hdfsSink
# Channel type avro
agent2.sources.OraLogFiles.type = avro
agent2.sources.OraLogFiles.bind = 10.10.10.12
agent2.sources.OraLogFiles.port = 44444
# The channel can be defined as follows
agent2.sources.OraLogFiles.channels = memoryChannel
# Each sinks type must be defined
agent2.sinks.hdfsSink.type = HDFS
agent2.sinks.hdfsSink.hdfs.path =
HDFS://bigdatalite.localdomain:8020/user/oracle/gpi
agent2.sinks.hdfsSink.hdfs.filePrefix = OraLogs-
agent2.sinks.hdfsSink.hdfs.rollCount = 1000
agent2.sinks.hdfsSink.hdfs.batchSize = 10
#Specify the channel the sink should use
agent2.sinks.hdfsSink.channel = memoryChannel
# Each channels type is defined
agent2.channels.memoryChannel.type = memory
agent2.channels.memoryChannel.capacity = 100
# starten
flume-ng agent -n agent2 -c conf -f /etc/flume-
ng/conf/agent2-conf.properties
Listener Agent

Was ergibt sich daraus für unsere Aufgabe? (1)
 Bei Verwendung des Oracle Big Data Connectors für
den Export:
– Von jeder DB wird täglich die Aud$ exportiert
• Format Dump AUD_<DBID>_<SID>_<YYYYMMDD>
• Lokales PL/SQL Package (mit Hilfe einer Log Tabelle) führt den
Export durch
– Monatlich werden die Daten von der zentralen Datenbank in
einen Monats Dump verdichtet
– Nachteil:
• Hadoop Client auf jeder Datenbank notwendig
• Windows wird schwierig
• Kosten
• Dumps müssen ersten durch "Umwege" verdichtet werden

Was ergibt sich daraus für unsere Aufgabe? (2)
 Lösung mit Sqoop und Hive
– Zentral vom einem Server
• Tägliche wird die AUD$ Tabelle in eine Hive Tabelle exportiert
– Vorteil:
• Keine Installation auf den Quell Servern
– Nachteil:
• Geringere Performance

Die Daten auswerten
Was fange ich jetzt mit den Daten an?

Auswerten der Daten
 Hive Tabellen in Oracle einbinden
– Mit dem OLH einfach - aber Lizenzkosten pflichtig
 Hive Tabellen per JDBC direkt abfragen
– Open Source wie Hue:

Fragen zum Betrieb
Wie kann ich das über die Dauer der
Jahre warten?

Ein Hadoop Cluster betreiben
 Backup Konzept?
– Ausfallsicherheit und Daten Redundanz sind kein Schutz vor
logischen Fehlern!
 Datenquellen entkoppeln
– Wie lange können die Vorsystem ihre Daten halten?
• Buffer Konzepte notwendig?
 Upgrade
– Patch Konzept für Treiber und OS
• Z.B. einzelne Knoten rollierend jeden Monat patchen
– Software Upgrade?
• Was tun bei einem Mayor Release?

Fazit
Lohnt sich der Aufwand?

Größtes Problem
 Viele Updates und unübersichtliche Kompatibilitäten
der ganze Werkzeugpalette
– Was wird es auch in Zukunft noch geben?
 Mapping von Datentypen
– Viele Detailprobleme
 Java Out of Memory Effekte beim Laden
– Jobs bleiben einfach im Hadoop "hängen"

Fazit
– Ein Apache Hadoop Cluster bietet sich als eine gute Lösung
für die Anforderung eines zentralen Audit Vaults für Log
Daten an
– Die notwendigen Werkzeuge für die Umsetzung der
Anforderung sind verfügbar
– Die Orchestrierung des Ganzen ist jedoch die große
Herausforderung bei einem solchem Projekt
– Der damit verbunden Aufwand sollte nicht unterschätzt
werden
– Der große Vorteil der Eigenentwicklung einer Audit Valut
Lösung liegt darin, mit diesem Projekt einen guten Einstieg
in diese neue Technologie ohne großes Business Risiko
umsetzen zu können

Ihre Erfahrungen?
?

Fragen
Oracle und Hadoop
NO:SQL

Quellen
 Oracle – BIG Data
– https://www.oracle.com/bigdata/products.html
 Mehr über das Thema und die Quellen im Detail siehe:
– http://www.pipperr.de/dokuwiki/doku.php?id=nosql:hadoop_integration
– http://www.pipperr.de/dokuwiki/doku.php?id=nosql_datenbank

Gunther Pippèrr - IT-Architekt - Berater
• High-Tech
• Real Estate
• Utility
• Communications
• IT System Architekt
• Technische Projektleitung
• Design und Implementierung
von Datenbank
Anwendungen
• Entwurf und Umsetzung von
IT Infrastrukturen zum
Datenmanagement
Gunther Pippèrr arbeitet seit mehr als 16 Jahre intensiv mit den
Produkten der Firma Oracle im Bereich
Datenbanken/Applikationsserver und Dokumenten-Management.
Herr Pippèrr hat sich tiefes Wissen über den Aufbau komplexer IT
Architektur aneignen können und hat dieses in der Praxis
erfolgreich umgesetzt.
Herr Pippèrr hat eine Abschluss als Dipl. Ing. Technische
Informatik (FH) an der FH Weingarten.
Industry Expertise
Background
Functional Expertise
 Datenbank Architekt für ein Projekt zur
Massendatenverarbeitung in der Telekommunikation
 Architekt und technische Projektverantwortung für ein Smart
Metering Portal für das Erfassen von Energiezählerdaten und
Asset Management
 Architekt und Projektleitung , Datenbank Design und
Umsetzung für die Auftragsverwaltung mit Steuerung von
externen Mitarbeitern für den Sprachdienstleister von
deutschen Technologiekonzern
 Architekt und technische Projektverantwortung für IT
Infrastrukturprojekte, z.B.:
 Zentrale Datenhaltung für Münchner Hotelgruppe mit
über 25 Hotels weltweit,
 Redundante Cluster Datenbank Infrastrukturen für
diverse größere Web Anwendungen wie Fondplattform
und Versicherungsportale, Loyalty Card Anwendungen
 CRM- und Ausschreibungsportal für großen Münchner
Bauträger
Selected Experience
http://www.pipperr.de
http://orapowershell.codeplex.com
Web

Oracle hadoop doag-big-data_09_2014_gpi

Weitere ähnliche Inhalte

Was ist angesagt? (7)

Andere mochten auch (20)

Ähnlich wie Oracle hadoop doag-big-data_09_2014_gpi (20)

Mehr von Gunther Pippèrr (10)

Oracle hadoop doag-big-data_09_2014_gpi