CDH CM元数据梳理，包括HIVE

 

一、Schema SCM 表结构梳理（对应生产BAOFOO_SCM）

AUDITS	登录信息、服务，角色重启、配置更改
PROCESSES	进程信息。这里面有很多信息。开放的web端口。
HOSTS	主机信息，包括IP地址，所在机架，内存，CPU等信息
CLIENT_CONFIGS	客户端配置，里面有下载客户端配置的路径。
CONFIGS_AUD	配置审计表。
CLIENT_CONFIGS_TO_HOSTS	客户端配置文件与节点的对应关系
CLUSTERS	群集信息，CM管理多少个群集，就会有多条记录。
CM_VERSION	CM版本，服务安装时间，服务所在主机。
COMMANDS	命令记录，其中包括系统内部执行的命令。
COMMANDS_DETAIL	命令的详细内容。关联COMMANDS表。
COMMAND_SCHEDULES	CM内部命令执行调度元信息。
CONFIGS	配置表，改的配置，改之后的值，服务ID等。
CONFIGS_AUD	配置更改记录。
CREDENTIALS	Kerberos认证授权表，包含keytab文件
DIAGNOSTICS_EVENTS	诊断事件，关于parcels的激活，分发，停用有记录。
GLOBAL_SETTINGS	全局配置，包括自定义仪表盘信息
HOST_TEMPLATES	主机模板，模板名，所在主机。线上有hbase node和hdfs-yarn的模板。
HOST_TEMPLATE_TO_ROLE_CONF_GRP	主机模板和角色配置组的对应信息。
METRICS	各服务的监控项
PARCELS	parcels信息，是否可用，远程地址等等。
PARCEL_COMPONENTS	parcels名称与组件之间的映射关系。
REVISIONS	版本信息，CM变更之后，会产生一个新的版本。
ROLES	群集中的角色信息
ROLE_CONFIG_GROUPS	角色对应的角色组信息
SERVICES	服务名，页面显示的一些信息。
SNAPSHOT_POLICIES	快照策略（用户备份以及灾难恢复方面）
USERS	CM群集中的用户信息（启用认证时）
USER_AUTH_ROLES	用户与认证角色对应关系

该库记录了关于CM服务中的元数据、操作记录、用户登录、监控项采集、kerberos认证等等信息。

REVISIONS 每一次通过CM产生的变更都会产生一条记录。包括重启服务、修改服务、角色配置、修改CM配置。

AUDITS以及*_AUD为审计相关的信息记录。包括类如HOSTS，ROLES的元数据表。

AUDITS （审计表，登陆日志，重启服务，群集，激活、停用parcels等操作）。

1、监控有没有暴力登录

示例：以下SQL查询五分钟内登录失败次数超过10次的用户名，以及登录IP。

SELECT

*

FROM

(

SELECT

SUBSTRING_INDEX(MESSAGE, ':' ,- 1) user_name,

IP_ADDRESS ip_addr,

count(1) AS login_counts

FROM

AUDITS

WHERE

AUDIT_TYPE = 'AUTHENTICATION'

AND ALLOWED = 0

AND TIMESTAMPDIFF(

MINUTE,

FROM_UNIXTIME(LEFT(CREATED_INSTANT, 10)),

CURRENT_TIMESTAMP ()

) < 5

GROUP BY

user_name,

ip_addr

) b

WHERE

b.login_counts > 10;

2、监控配置修改

SELECT

t3.DISPLAY_NAME,

t1.ATTR,

t1.`VALUE`

FROM

CONFIGS_AUD t1

LEFT JOIN REVISIONS t2 ON t1.REV = t2.REVISION_ID

LEFT JOIN SERVICES t3 ON t1.SERVICE_ID = t3.SERVICE_ID

WHERE

TIMESTAMPDIFF(

MINUTE,

FROM_UNIXTIME(LEFT(t2.`TIMESTAMP`, 10)),

CURRENT_TIMESTAMP ()

) < 5;

HUE的http端口属性被改成8898

3、监控服务重启，重启impala服务。

SELECT

SUBSTRING_INDEX(t3.message, ':' ,- 1),

t2.INFO,

t2.IP_ADDRESS

FROM

(

SELECT

GROUP_CONCAT(

MESSAGE

ORDER BY

CREATED_INSTANT SEPARATOR ' 结果:'

) INFO,

GROUP_CONCAT(IP_ADDRESS) IP_ADDRESS

FROM

AUDITS t1

WHERE

CREATED_INSTANT > REPLACE (

UNIX_TIMESTAMP(

DATE_ADD(NOW(3), INTERVAL - 50 MINUTE)

),

'.',

''

)

AND AUDIT_TYPE = 'COMMAND_SERVICE'

) t2

LEFT JOIN (

SELECT

message,

IP_ADDRESS,

CREATED_INSTANT

FROM

AUDITS

WHERE

AUDIT_TYPE = 'AUTHENTICATION'

) t3 ON t3.IP_ADDRESS = t2.IP_ADDRESS

ORDER BY

t3.CREATED_INSTANT DESC

LIMIT 1;

二、HIVE元数据表（对应生产BAOFOO_HIVE）

与上述不同，这不属于Cloudera 公司Hadoop发行版独有的。

DBS	数据库信息，DB名，所在位置。
COLUMNS_V2	表的列信息，注释，列名，列的数据类型，列在表中的位置。通过CD_ID与CDS表关联
TBL_PRIVS	表的授权信息。
TABLE_PARAMS	表的基本信息，最后更改时间，总大小，原生数据大小，行数，文件数量
SERDE_PARAMS	字符分隔符，虚拟化格式信息。通过SERDE_ID与SERDES关联
SDS	表的属性信息，输入格式（表存储类型），是否压缩，所在位置，占桶的数量，等。通过SERDE_ID与SERDES关联
SERDES	虚拟化和反虚拟化的信息。
CDS	只有一列，表的唯一ID
TBLS	存储Hive表、视图、索引表的基本信息。创建时间，上次访问时间，所有者、表名，视图HQL语句
PARTITION_KEYS	表的分区信息，表名，分区键注释，分区键名，类型，联合分区所在位置
PARTITION_KEY_VALS	已有分区信息。
PARTITION_PARAMS	分区属性信息，某个分区的文件数量，总代小，最后访问时间等。
PARTITIONS	分区的基本信息，分区ID，分区创建时间，最后访问时间，分区名，分区存储ID，表ID
VERSION	存储Hive版本的元数据表，如果该表不存在，启动hive-cli的时候会报Table ‘hive.version’ doesn’t exist”

1、HIVE中库表数据量统计。

SELECT d.`NAME` "库",count(1) "表数量" from TBLS t RIGHT  JOIN DBS d ON t.DB_ID = d.DB_ID group BY d.DB_ID  ;

2、表大小统计

SELECT

round(CAST(a.PARAM_VALUE AS SIGNED)/1024/1024/1024,0) v,

b.TBL_NAME,

c.`NAME`

FROM

TABLE_PARAMS a

LEFT JOIN TBLS b ON a.TBL_ID = b.TBL_ID

LEFT JOIN DBS c ON b.DB_ID = c.DB_ID

WHERE

a.PARAM_KEY = 'totalSize' -- AND c.`NAME` NOT like 'tmp%'

ORDER BY

v DESC;