【Datahub系列教程】Datahub入门必学——DatahubCLI之Docker命令详解

大家好，我是独孤风，今天的元数据管理平台Datahub的系列教程，我们来聊一下Datahub CLI。也就是Datahub的客户端。

我们在安装和使用Datahub 的过程中遇到了很多问题。

• 如何安装Datahub ？
• 为什么总是拉取镜像？
• 如何启动Datahub ？
• 这些Datahub 的Docker命令都是做什么的？

有很多同学虽然搜到了答案，但是并不知道是如何解决的，下一次遇到还是一头雾水，所以今天我就带大家学习一下Datahub 的安装维护神器——Datahub CLI。

Datahub 为了用户可以更方便的操作，提供了一个名为datahub的客户端，客户端的软件包由acryldata公司维护。

Datahub CLI与Datahub的大版本保持一致。

Datahub CLI为了让大家方便的使用Datahub，提供了大量的命令。比如调动docker拉取并启动Datahub相关容器，初始化操作，拉取元数据等等。

这也就是我们在最初安装Datahub的时候，为什么需要用Datahub CLI进行一系列操作，后面才使用Datahub的原因，而在使用过程中也经常需要使用CLI对Datahub进行维护。所以学习并熟练掌握Datahub CLI还是非常有必要的。

本文就带大家学习下，Datahub CLI中最重要的Docker命令。学会本文，就再也不用担心用Docker安装Datahub的问题了。

本文档所含资料位置：“大数据流动VIP资料库” 》》“Datahub专栏资料包”，也可以在后台回复“Datahub获取”。

一、Datahub CLI的安装

由于Datahub CLI基于Python开发，所以同样发布在了pypi软件包管理中。

其地址如下：https://pypi.org/project/acryl-datahub/

2023年12月12日的最新版本是0.12.1.0

我们也可以在这里看到历史版本情况。

并且可以直接下载下来，如果是离线环境，可以下载下来安装。

官网建议是在虚拟环境中安装，这样可以给其一个干净的环境。

python3 -m venv venv             # create the environment
source venv/bin/activate         # activate the environment

也可以直接进行安装，需要Python3.7以上的环境。

升级pip，随后安装acryl-datahub。

python3 -m pip install --upgrade pip wheel setuptools
python3 -m pip install --upgrade acryl-datahub

安装后可以验证一下

datahub version

有的时候会提示 "-bash: datahub: command not found"，不要惊慌，换成这个命令就好。

python3 -m datahub version

正常会看到下面的显示。

下面我们逐一介绍下都有什么命令。

二、基本命令

上文中我们已经知道，基本的命令形式是 python -m datahub --配置 命令 参数

其中python或者python3需要能执行python3.7以上的命令。

部分版本也可以直接执行datahub --配置 命令 参数

那么我们就执行第一个命令help

python -m datahub --help

将会展示所有的配置和命令情况。

这里也说明了 --help 会展示帮助信息，并退出。

其他的配置项，有是否打印debug日志，展示版本信息等等。

命令这里只是一个整体的概述。比如我们经常用的docker命令可以操作本地的docker镜像。而想要知道命令更具体的信息，可以使用命令。

python -m datahub docker --help

这样就会显示docker的帮助信息了。下面我们就来逐一的过一遍。

三、Docker命令

docker有check，ingest-sample-data，nuke，quickstart四个命令。

配置项只有--help，也就是说上面四个命令都可以通过--help来查看更具体的信息。

quickstart命令

quickstart可以自动在本地启动datahub需要的相关镜像，首先会去github获取最新的docker-compose文件，随后根据文件拉取最新的docker镜像，启动datahub整个系统。

所以很多同学执行datahub安装时，会报错，其实就是获取compose文件报错了。

因为需要去访问raw.githubusercontent.com这个网址，没有成功。

ERROR    {datahub.entrypoints:201} - Command failed: HTTPSConnectionPool(host='raw.githubusercontent.com', port=443): Max retries exceeded with url: /datahub-project/datahub/master/docker/quickstart/docker-compose-without-neo4j-m1.quickstart.yml (Caused by NewConnectionError('<urllib3.connection.HTTPSConnection object at 0x107cba570>: Failed to establish a new connection: [Errno 61] Connection refused'))

同时，这里有一些设置，如--quickstart-compose-file，会使用本地的配置文件，这些设置会覆盖掉默认的配置去执行。

下面我们来结合实际应用来看看这些配置项。

其实通过quickstart的运行机制，同样解释了另一个现象，就是如果每次都执行quickstart，都会去拉取最新的镜像，网络不好的话会很坑。

这个问题有很多的解决方式。

建议大家搞一个稳定版本的配置文件，每次用本地文件启动即可，也可以改改版本号。这是我每次启动的命令，用我自己的配置文件。

python -m datahub docker quickstart --quickstart-compose-file ./dugufeng_yml/docker-compose-without-neo4j-dugufeng.quickstart.yml

也可以使用version命令来指定版本，可以通过这个参数来设置datahub的版本，如果没有设置，就会有配置文件的版本，可以使用'stable'来指定为最新的版本。

python -m datahub docker quickstart --version stable

--build-locally配置会尝试在启动前，先在本地构建容器。

python -m datahub docker quickstart --build-locally

--pull-images / --no-pull-images配置会尝试在启动前，是否去Docker Hub拉取镜像。

python -m datahub docker quickstart --no-pull-images

还有--dump-logs-on-failure用于打印失败日志，--graph-service-impl用于指定graph服务的实现。

下面这几个比较常用。如果本地已经有其他服务占用了端口会报端口占用错误Port 3306 was already in use。这时候我们可以灵活的指定一下其他的端口。

python -m datahub docker quickstart --mysql-port 3306 --zk-port 2181  --kafka-broker-port 9092 --schema-registry-port 8081 --elastic-port 9092

大家可以选择下面的命令来停止datahub。

python -m datahub docker quickstart --stop

正常停止后的显示。

可以对当前数据进行备份。

python -m datahub docker quickstart --backup

默认会备份镜像到 ~/.datahub/quickstart/，也可以选择自己指定一个位置。

python -m datahub docker quickstart --backup --backup-file <path to backup file>

恢复配置，可以选择只恢复索引数据，还是核心数据。

python -m datahub docker quickstart --restore
python -m datahub docker quickstart --restore-indices
python -m datahub docker quickstart --restore --no-restore-indices

同样也可以指定恢复的sql文件。

python -m datahub docker quickstart --restore --restore-file /home/my_user/datahub_backups/quickstart_backup.sql

还有一个配置 --standalone_consumers用于将 MAE & MCE作为单独的docker容器。

--kafka-setup加载 Kafka setup，--arch TEXT 指定要使用的CPU架构参数，有x86, arm64,m1。

nuke命令

可以使用nuke命令，可以清除所有Datahub的状态。（相当于恢复出厂了，慎用）

 python -m datahub docker nuke

nuke只有两个选项，--help可以查询帮助。

--keep-data用户删除数据。

check命令

check命令用于检查docker容器状态是否健康。

这是正常的显示状态。

check命令处理--help查看帮助，没有其他的配置项。

ingest-sample-data命令

ingest-sample-data命令用于导入示例的元数据文件。

我们刚进入Datahub的时候会报一个错误，No Metadata Found。其实就是没有元数据。

我们这时候可以执行命令，来导入下示例数据看看。

python -m datahub docker ingest-sample-data

导入成功的显示。

再进入，数据已经有了。

除了--help，还有两个。

--parh可以指定一下本地的文件，将文件导入。

具体文件格式可以参考，MCE示例文件。

--token命令，用于datahub启动权限管理的时候METADATA_SERVICE_AUTH_ENABLED=true

需要指定token。

四、Docker基本操作

除了datahub的docker操作，有的时候也需要我们直接使用docker命令去排查一些问题。

下面是常用的命令。

使用以下命令列出当前正在运行的容器：

docker ps

这将显示所有正在运行的容器的列表，包括容器ID、名称、状态等信息。

找到要停止的容器的容器ID或名称。

使用以下命令停止容器，其中是容器的ID或名称：

docker stop

例如，如果要停止容器ID为dugufeng666的容器，可以运行以下命令：

docker stop dugufeng666

这将向容器发送停止信号，并使容器停止运行。

等待一段时间，直到容器完全停止。可以使用以下命令来验证容器的状态：

docker ps -a

这将显示所有容器的列表，包括已停止的容器。确保目标容器的状态显示为"Exited"。

停止所有容器

docker stop $(docker ps -a -q)

其他的命令我们下一期继续聊~

未完待续~

Datahub功能演示请参考大数据流动视频号