Week08_day07（DataX从mysql上读取数据传输到HDFS上）
簡(jiǎn)介
DataX 是阿里巴巴集團(tuán)內(nèi)被廣泛使用的離線數(shù)據(jù)同步工具/平臺(tái)，實(shí)現(xiàn)包括 MySQL、Oracle、HDFS、Hive、OceanBase、HBase、OTS、ODPS 等各種異構(gòu)數(shù)據(jù)源之間高效的數(shù)據(jù)同步功能。DataX采用了框架 + 插件 的模式，目前已開(kāi)源，代碼托管在github。
DataX安裝部署及小試
1.下載壓縮包：
下載頁(yè)面地址：https://github.com/alibaba/DataX 在頁(yè)面中【Quick Start】--->【Download DataX下載地址】進(jìn)行下載。下載后的包名：datax.tar.gz。解壓后{datax}目錄下有{bin conf job lib log log_perf plugin script tmp}幾個(gè)目錄。
2.安裝
將下載后的壓縮包直接解壓后可用，前提是對(duì)應(yīng)的java及python環(huán)境滿(mǎn)足要求。
System Requirements：
Linux
JDK(1.6以上，推薦1.6)
Python(推薦Python2.6.X)一定要為python2，因?yàn)楹竺鎴?zhí)行datax.py的時(shí)候，里面的python的print會(huì)執(zhí)行不了，導(dǎo)致運(yùn)行不成功，會(huì)提示你print語(yǔ)法要加括號(hào)，python2中加不加都行 python3中必須要加，否則報(bào)語(yǔ)法錯(cuò)
Apache Maven 3.x (Compile DataX)
測(cè)試：
json的讀寫(xiě)兩端可以去github上進(jìn)行截取自己需要的代碼。
https://github.com/alibaba/DataX
雖然在使用之前花費(fèi)的不少的時(shí)間去研究json的寫(xiě)法，但是傳輸速度真的要比sqoop的傳輸速度要快很多。
1、編寫(xiě)json文件，去這個(gè)github上截取自己鎖需要的read和write,我這里需要的是mysqlreader 和 hdfswriter，拼起來(lái)是下面的代碼（需要修改自己數(shù)據(jù)庫(kù)，對(duì)應(yīng)的表名，ip地址，對(duì)應(yīng)的字段及其類(lèi)型，以及hdfs上的字段名，分隔符）在對(duì)應(yīng)的md下面有各個(gè)參數(shù)介紹，根據(jù)自己需要進(jìn)行修改添加。（注意，這里要現(xiàn)在hive中進(jìn)行建表，對(duì)應(yīng)字段和類(lèi)型，不然會(huì)出現(xiàn)我下面的報(bào)錯(cuò)）
{
"job": {
"setting": {
"speed": {
"channel": 3
},
"errorLimit": {
"record": 0,
"percentage": 0.02
}
},
"content": [
{
"reader": {
"name": "mysqlreader",
"parameter": {
"username": "root",
"password": "123456",
"column": [
"id",
"name",
"age",
"gender",
"clazz"
],
"splitPk": "clazz",
"connection": [
{
"table": [
"student_zeng"
],
"jdbcUrl": [
"jdbc:mysql://192.168.230.20:3306/test"
]
}
]
}
},
"writer": {
"name": "hdfswriter",
"parameter": {
"defaultFS": "hdfs://192.168.230.20:9000",
"fileType": "text",
"path": "/user/hive/warehouse/test.db/dataX_hdfs",
"fileName": "dataX_hdfs",
"column": [
{
"name": "id",
"type": "INT"
},
{
"name": "name",
"type": "VARCHAR"
},
{
"name": "age",
"type": "INT"
},
{
"name": "gender",
"type": "VARCHAR"
},
{
"name": "clazz",
"type": "VARCHAR"
}
],
"writeMode": "append",
"fieldDelimiter": ","
}
}
}
]
}
}
2、去安裝dataX的bin目錄下執(zhí)行命令：
python datax.py /usr/local/soft/a_data_shujia006/test/flumedata/mysql_hdfs.json
注意：
python datax.py 加上你的json文件的絕對(duì)路徑
3、因?yàn)槲衣┝嗽趆dfs上建表，所以，我報(bào)了如下的錯(cuò)誤：
4、所以我又在hive中建表，建表語(yǔ)句如下：（注意對(duì)應(yīng)類(lèi)型）
CREATE EXTERNAL TABLE IF NOT EXISTS dataX_hdfs(
id BIGINT ,
name STRING ,
age INT ,
gender STRING ,
clazz STRING
)
comment '學(xué)生表'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE
5、再執(zhí)行一遍，如下圖：（看到這樣的結(jié)果就說(shuō)明執(zhí)行成功）
6、查看HDFS網(wǎng)頁(yè)
7、查看內(nèi)容
8、結(jié)果發(fā)現(xiàn)，雖然將數(shù)據(jù)上傳了，但是這個(gè)分區(qū)和結(jié)果不是我們想要的，可能是因?yàn)閖son的參數(shù)沒(méi)有設(shè)置好。
總結(jié)
以上是生活随笔為你收集整理的Week08_day07（DataX从mysql上读取数据传输到HDFS上）的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。
- 上一篇： Shiro-授权(RBAC)
- 下一篇： javascript返回上一页的三种写法