当前位置：网站首页>精彩联动！OpenMLDB Pulsar Connector原理和实操

精彩联动！OpenMLDB Pulsar Connector原理和实操

2022-04-21 11:43:00 【InfoQ】

人工智能工程化落地的关键点之一，在于解决真实业务场景的实时批量预估和实时模型更新问题。更好更快的将线上实时数据转化为AI可用的特征，将加速AI应用落地的效率及效果。为此，OpenMLDB 和 Apache Pulsar 合作推出OpenMLDB Pulsar Connector，实现稳定的流式集成，为高效打通实时数据到特征工程提供一条值得期待的清晰路径。

关于OpenMLDB

OpenMLDB 是一个开源机器学习数据库，致力于闭环解决 AI 工程化落地的数据治理难题。自 2021 年 6 月开源以来，OpenMLDB 优先开源了特征数据治理能力，依托 SQL 的开发能力，为企业提供全栈功能的、低门槛特征数据计算和管理平台。

OpenMLDB 包含 Feature Store 的全部功能，并且提供更为完整的 FeatureOps 全栈方案。除了提供特征存储功能，还具有基于 SQL 的低门槛数据库开发体验、面向特征计算优化的 OpenMLDB Spark 发行版，针对实时特征计算优化的索引结构，特征上线服务、企业级运维和管理等功能，让特征工程开发回归于本质——专注于高质量的特征计算脚本开发，不再被工程化效率落地所羁绊。

关于Apache Pulsar

Apache Pulsar 是下一代云原生消息流平台，在 2018 年 9 月毕业成为 Apache 软件基金会顶级项目。从 2012 年诞生时，Apache Pulsar 就前瞻性地采用了存储计算分离、分层分片的云原生架构，极大减轻用户在消息系统中遇到的扩展和运维困难。

Pulsar 通过特别的设计和抽象，统一地支持 Stream 和 Queue 两种消息消费模式，保持了 Stream 模式的高性能和 Queue 模式的灵活性。Pulsar 在保证大数据消息系统的性能和吞吐量的同时，提供了更多企业级的 Feature，包括方便的运维和扩展、灵活的消息模型、多语言 API、多租户、异地多备、数据的强持久性一致性等等，解决了现有开源消息系统的很多不足之处。同时，这种设计对容器非常友好，使得 Pulsar 成为流原生平台的理想选择。

OpenMLDB-Pulsar Connector

【Connector概述】

定位

OpenMLDB Pulsar Connector，高效打通实时数据到特征工程，大幅提升数据使用效率、助力开发者构建实时数据管道、使企业更专注和更高效的探索数据的商业价值。在 Pulsar in OpenMLDB 的工作流中，Connector（位置如下图所示）帮助开发者轻松地将消息系统 Pulsar 与开源机器学习数据库 OpenMLDB 结合使用，面向机器学习发挥出 Pulsar 最强大的实时价值。

2、功能

Pulsar 可以使用 connector 来连接其他系统。Source connector 可以使其他系统的数据流入 Pulsar，sink connector 可以将消息流出至其他系统。

可以通过 Connector Admin CLI 并结合 sources 和 sinks 子命令来管理 Pulsar connector（例如，创建、更新、启动、停止、重启、重载、删除以及其他操作）。

JDBC OpenMLDB Connector 支持了 sink 功能，使 Pulsar 消息可以写入到 OpenMLDB 在线存储中。

3、优势

为了使 OpenMLDB 与 Pulsar 拥有稳定的流式集成，OpenMLDB connector 具备诸多优势，包括但不限于：

易上手
。无需编写任何代码，只需进行简单配置，便可通过 OpenMLDB Pulsar Connector 将 Pulsar 的消息流入 OpenMLDB 。简化的数据导入过程能大幅提升企业的数据使用效率。

易扩展
。根据不同的业务需求，可以选择在单机或集群上运行 OpenMLDB Pulsar Connector，助力企业构建实时数据管道。

可持续
。OpenMLDB Pulsar Connector 简单的安装和部署过程，使企业能更专注和更高效地探索数据的商业价值。

4、Connector 下载地址

OpenMLDB Pulsar：

Connector

https://github.com/4paradigm/OpenMLDB/releases/download/v0.4.4/pulsar-io-jdbc-openmldb-2.11.0-SNAPSHOT.nar

【Connector演示】

1、流程介绍

创建 connector 前需要启动 OpenMLDB 集群，并创建表。

创建 Pulsar standalone，创建 sink，sink 配置中使用 OpenMLDB 集群的 JDBC 地址。并且，创建用于解析消息的 schema。

向 Pulsar 发送消息，来测试消息是否能自动写入到 OpenMLDB。

2、关键步骤

以下仅列出使用此 connector 的关键步骤，详细说明文档请参考 

Pulsar OpenMLDB Connector 使用

步骤1 | 启动 OpenMLDB 并创建表

使用 docker 或本地启动 OpenMLDB 集群，并创建表，作为 connector 导入的地址。如图所示，在 pulsar_test 数据库中，创建了 schema 和

taxi trip demo

 一致的表 connector_test。

步骤2 | 启动 Pulsar，创建 sink 和 schema

启动 Pulsar Standalone 成功后，即可使用 connector 创建一个 sink，connector 如果预先装载进入 Pulsar，可以使用"jdbc-openmldb"的 sink type，或是使用"archive"指定 connector nar 文件路径。演示中使用后者来创建。创建sink的配置中还需指定 OpenMLDB 的表地址，所以配置情况如下：

由于 OpenMLDB 表数据是有schema的，所以还需要在 pulsar 中为"test_openmldb"配置好 schema，才可以顺利将消息解析为符合O penMLDB schema 的数据并插入。我们为"test_openmldb"配置 JSON Schema，各列和 OpenMLDB 的列属性一致。配置文件如下：