社区用户 ｜手把手教你从数据预处理开始体验图数据库

“本文由社区用户 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。

背景 

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 Docker Hub
4. 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）
5. 配置文件 ​​https://github.com/vesoft-inc/nebula-docker-compose/blob/docker-swarm/docker-stack.yaml​​
6. nebula-studio GitHub 上下载 zip 包 ​​https://github.com/vesoft-inc/nebula-web-docker​​

离线安装 

1. 安装 Docker

2. 安装 docker-compose

3. 导入镜像

4. 在机器 manager machine 上执行以下命令初始化 Docker Swarm 集群

5. 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）。

6. 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。

7. 在 manager 节点上启动 nebula 集群

这里附带一些我 Debug / 检查方法：

8. 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。Studio 启动成功后，在浏览器地址栏输入：http://ip address:7001。

 测试

我用的 LDBC 数据。

>>>>

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: Index of /dist/hadoop/core/hadoop-3.2.1
3. LDBC 数据预处

>>>>

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（小声bb）：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

1. 原始数据约 42 M
2. 7 千多个点，40 万条边

2. test：100 个 partition

1. 原始数据约 73 G
2. 1.1 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 1,000 个 vertex，进行 1,000 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~

文章转载自公众号：Nebula Graph Community