我們知道，Cluster 是 Google Kubernetes Engine (簡稱GKE)的基礎，代表容器化應用程式的 Kubernetes 對象都在叢集之上運作。
Google Kubernetes Engine (GKE) 提供了一個托管環境，開發人員可以使用 Google 基礎架構在 GKE 中部署、管理和擴縮容器化應用。GKE 環境包括多個 Compute Engine 執行個體，這些執行個體組合在一起就形成了 Google Kubernetes Cluster.
SAP HANA Expression 是 SAP HANA 的簡化版本，旨在在筆記本電腦和其他主機（包括雲托管的虛拟機）上運作，當然也就支援在本文剛剛描述的 Google Kubernetes Cluster 上運作。這個版本除了支援 SAP HANA傳統的記憶體資料庫功能之外，還提供 bring-your-own-language 等多種技術棧，支援微服務、預測分析和機器學習算法，以及用于建構洞察驅動應用程式的地理空間處理等特性。
本文将詳細介紹如何在 Google Kubernetes Cluster 上部署并使用 HANA Expression Database Service.
在 Google Cloud Platform 上建立 Google Kubernetes Cluster 執行個體
登入 Google Cloud Platform 控制台：
點選控制台左上角的 Hamburger 菜單，建立一個新的 Kubernetes Cluster：
維護 Cluster 的名稱，選擇恰當的版本，點選 Customize 進行定制化：
為 Cluster 指定 CPU 和記憶體參數，標明 Ubuntu 作為作業系統。Cluster 的尺寸設定為 1.
Cluster 建立完并成功部署後，點選 Connect 按鈕進行連接配接。
連接配接成功之後，就可以使用 Cloud Shell 操作叢集了：
Cloud Shell 提供了指令行的方式同 Cluster 進行互動。
在 Google Kubernetes Cluster 上部署 HANA Expression Database Service
使用以下指令建立一個
secret
以擷取 Docker 鏡像：
kubectl create secret docker-registry docker-secret --docker-server=https://index.docker.io/v1/ --docker-username=xxx --docker-password=yyyyyy [email protected]
建立一個 yaml 格式的部署配置檔案(Deployment Configuration File), 另存成
hxe.yaml
檔案：
kind: ConfigMap
apiVersion: v1
metadata:
creationTimestamp: 2022-06-25T19:14:38Z
name: hxe-pass
data:
password.json: |+
{"master_password" : "JERRYHana1"}
---
kind: PersistentVolume
apiVersion: v1
metadata:
name: persistent-vol-hxe
labels:
type: local
spec:
storageClassName: manual
capacity:
storage: 150Gi
accessModes:
- ReadWriteOnce
hostPath:
path: "/data/hxe_pv"
---
kind: PersistentVolumeClaim
apiVersion: v1
metadata:
name: hxe-pvc
spec:
storageClassName: manual
accessModes:
- ReadWriteOnce
resources:
requests:
storage: 50Gi
---
apiVersion: apps/v1
kind: Deployment
metadata:
name: hxe
labels:
name: hxe
spec:
selector:
matchLabels:
run: hxe
app: hxe
role: master
tier: backend
replicas: 1
template:
metadata:
labels:
run: hxe
app: hxe
role: master
tier: backend
spec:
initContainers:
- name: install
image: busybox
command: [ 'sh', '-c', 'chown 12000:79 /hana/mounts' ]
volumeMounts:
- name: hxe-data
mountPath: /hana/mounts
volumes:
- name: hxe-data
persistentVolumeClaim:
claimName: hxe-pvc
- name: hxe-config
configMap:
name: hxe-pass
imagePullSecrets:
- name: docker-secret
containers:
- name: hxe-container
image: "store/saplabs/hanaexpress:2.00.030.00.20180403.2"
ports:
- containerPort: 39013
name: port1
- containerPort: 39015
name: port2
- containerPort: 39017
name: port3
- containerPort: 8090
name: port4
- containerPort: 39041
name: port5
- containerPort: 59013
name: port6
args: [ "--agree-to-sap-license", "--dont-check-system", "--passwords-url", "file:///hana/hxeconfig/password.json" ]
volumeMounts:
- name: hxe-data
mountPath: /hana/mounts
- name: hxe-config
mountPath: /hana/hxeconfig
- name: sqlpad-container
image: "sqlpad/sqlpad"
ports:
- containerPort: 3000
---
apiVersion: v1
kind: Service
metadata:
name: hxe-connect
labels:
app: hxe
spec:
type: LoadBalancer
ports:
- port: 39013
targetPort: 39013
name: port1
- port: 39015
targetPort: 39015
name: port2
- port: 39017
targetPort: 39017
name: port3
- port: 39041
targetPort: 39041
name: port5
selector:
app: hxe
---
apiVersion: v1
kind: Service
metadata:
name: sqlpad
labels:
app: hxe
spec:
type: LoadBalancer
ports:
- port: 3000
targetPort: 3000
protocol: TCP
name: sqlpad
selector:
app: hxe 這個 yaml 檔案裡定義了一個 HANA Expression 的 Docker 鏡像：
store/saplabs/hanaexpress:2.00.030.00.20180403.2
使用如下指令行将這個 Docker 鏡像部署到 Kubernetes Cluster 上：
- kubectl create -f hxe.yaml
- kubectl describe pods
等待部署成功結束：
執行指令行
kubectl get pods
，確定 pod 狀态為
Running
，然後進入 Pod 容器内部：
kubectl exec -it <<pod-name>> bash
此時就可以使用 SQL 指令行，連接配接運作在 Pod 裡的 HANA Expression 執行個體了:
hdbsql -i 90 -d systemdb -u SYSTEM -p HXEHana1
給資料庫添加
document store
的支援：
alter database HXE add 'docstore';
從 SQLPAD service 獲得 external IP 位址：
kubectl get services
有了這個外部可以通路的 IP 位址之後，通路其 3000 端口，就可以在浏覽器裡登入 SQLPAD 了：
點選 Sign In，建立一個 Administration account.
使用 Connections 菜單，連接配接 HANA Expression 執行個體裡的資料庫表：
從
kubectl get services
指令行結果清單裡找到
hxe-connect
，抄下其 External IP 位址：
建立一個資料庫連接配接，維護剛剛抄下來的 External IP 位址，資料庫使用者名和密碼，Tenant 等登入資訊：
資料庫連接配接建立連接配接之後，就可以建立一個 Query，對其進行讀寫操作。
建立一個名叫 quotes 的 document store, 并插入一些測試資料：
create collection quotes;
--Create a collection for document store and insert JSON values
insert into quotes values ( { "FROM" : 'HOMER', "QUOTE" : 'I want to share something with you: The three little sentences that will get you through life. Number 1: Cover for me. Number 2: Oh, good idea, Boss! Number 3: It wai like that when I got here.', "MOES_BAR" : 'Point( -86.880306 36.508361 )', "QUOTE_ID" : 1 });
insert into quotes values ( { "FROM" : 'HOMER', "QUOTE" : 'Wait a minute. Bart''s teacher is named Krabappel? Oh, I''ve been calling her Crandall. Why did not anyone tell me? Ohhh, I have been making an idiot out of myself!', "QUOTE_ID" : 2, "MOES_BAR" : 'Point( -87.182708 37.213414 )' });
insert into quotes values ( { "FROM" : 'HOMER', "QUOTE" : 'Oh no! What have I done? I smashed open my little boy''s piggy bank, and for what? A few measly cents, not even enough to buy one beer. Weit a minute, lemme count and make sure…not even close.', "MOES_BAR" : 'Point( -122.400690 37.784366 )', "QUOTE_ID" : 3 }); 建立一個 Column 表，開啟 Fuzzy Search 的支援：
create column table quote_analysis
(
id integer,
homer_quote text FAST PREPROCESS ON FUZZY SEARCH INDEX ON,
lon_lat nvarchar(200)
); insert into quote_analysis
with doc_store as (select quote_id, quote from quotes)
select doc_store.quote_id as id, doc_store.quote as homer_quote, 'Point( -122.676366 45.535889 )'
from doc_store; select id, score() as similarity , lon_lat, TO_VARCHAR(HOMER_QUOTE)
from quote_analysis
where contains(HOMER_QUOTE, 'wait', fuzzy(0.5,'textsearch=compare'))
order by similarity asc