RDBMS數(shù)據(jù)定時(shí)采集到HDFS

[toc]

RDBMS數(shù)據(jù)定時(shí)采集到HDFS

前言

其實(shí)并不難，就是使用sqoop定時(shí)從MySQL中導(dǎo)入到HDFS中，主要是sqoop命令的使用和Linux腳本的操作這些知識(shí)。

場景

在我們的場景中，需要每天將數(shù)據(jù)庫中新增的用戶數(shù)據(jù)采集到HDFS中，數(shù)據(jù)庫中有time字段，
用以標(biāo)識(shí)該用戶信息錄入數(shù)據(jù)庫的時(shí)間，所以下面的數(shù)據(jù)導(dǎo)入操作也是依賴于這個(gè)字段。

數(shù)據(jù)準(zhǔn)備

在MySQL數(shù)據(jù)庫中準(zhǔn)備如下數(shù)據(jù)：

##構(gòu)建sql的操作
create DATABASE IF NOT EXISTS db_log_statics;
use db_log_statics;
CREATE TABLE `t_user_info` (
  `id` bigint(20) NOT NULL,
  `name` varchar(20) COLLATE utf8_bin DEFAULT NULL,
  `address` varchar(20) COLLATE utf8_bin DEFAULT NULL,
  `time` date DEFAULT NULL,
  PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_bin;

insert into `t_user_info` (`id`, `name`, `address`, `time`) values('1','張三','北京朝陽','2018-04-05');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('2','李四','河南洛陽','2018-04-05');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('3','王五','廣東邵陽','2018-04-05');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('4','趙六','山東德州','2018-04-07');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('5','周七','山東青島','2018-04-07');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('6','魏八','福建廈門','2018-04-07');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('7','王二麻子','山西五臺(tái)山','2018-04-06');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('8','王大錘','陜西榆林','2018-04-06');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('9','燕小六','云南大理','2018-04-06');
insert into `t_user_info` (`id`, `name`, `address`, `time`) values('10','雷布斯','湖北仙桃','2018-04-06');

腳本編寫

exportUser2HDFS.sh

#!/bin/env bash

# shell中引用外部文件的變量
source /home/uplooking/shells/db-mysql.conf

# source 系統(tǒng)的環(huán)境變量
source ~/.bash_profile
# 日期變量
today=`date +%Y-%m-%d`
yesterday=`date -d"1 day ago" +%Y-%m-%d`

/home/uplooking/app/sqoop/bin/sqoop import \
--connect jdbc:mysql://${stat_ipaddr}:${stat_port}/${stat_dbname} \
--username ${stat_uname} \
--password ${stat_upwd} \
--target-dir hdfs://ns1/input/t_user/${yesterday} \
--query "SELECT id, name, address, time FROM t_user_info WHERE time >='${yesterday}' AND time < '${today}' AND \$CONDITIONS" \
-m 1 --fields-terminated-by "," --split-by ","

db-mysql.conf

#統(tǒng)計(jì)庫數(shù)據(jù)庫ip地址
stat_ipaddr=192.168.43.116
#統(tǒng)計(jì)庫端口
stat_port=3306
#統(tǒng)計(jì)庫名稱
stat_dbname=db_log_statics
#統(tǒng)計(jì)庫用戶名
stat_uname=root
#統(tǒng)計(jì)庫密碼
stat_upwd=root

編寫定時(shí)任務(wù)

crontab -e

# 要求每天凌晨2點(diǎn)10分同步數(shù)據(jù)
10 2 * * * /bin/bash /home/uplooking/shells/exportUser2HDFS.sh >/dev/null 2>&1 &

需要注意的是，如果在Notepad++中遠(yuǎn)程編輯shell腳本文件，在Linux中是無法執(zhí)行的，原因?yàn)?，此時(shí)在Linux中用vim查看文件格式：set ff，會(huì)發(fā)現(xiàn)為：fileformat=dos，而正常我們在Linux中編輯的文件應(yīng)該為：fileformat=unix，所以解決方案為：set ff=unix