Week08_day07（DataX从mysql上读取数据传输到HDFS上）
簡介
DataX 是阿里巴巴集團內被廣泛使用的離線數據同步工具/平臺，實現包括 MySQL、Oracle、HDFS、Hive、OceanBase、HBase、OTS、ODPS 等各種異構數據源之間高效的數據同步功能。DataX采用了框架 + 插件 的模式，目前已開源，代碼托管在github。
DataX安裝部署及小試
1.下載壓縮包：
下載頁面地址：https://github.com/alibaba/DataX 在頁面中【Quick Start】--->【Download DataX下載地址】進行下載。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}幾個目錄。
2.安裝
將下載后的壓縮包直接解壓后可用，前提是對應的java及python環境滿足要求。
System Requirements：
Linux
JDK(1.6以上，推薦1.6)
Python(推薦Python2.6.X)一定要為python2，因為后面執行datax.py的時候，里面的python的print會執行不了，導致運行不成功，會提示你print語法要加括號，python2中加不加都行 python3中必須要加，否則報語法錯
Apache Maven 3.x (Compile DataX)
測試：
json的讀寫兩端可以去github上進行截取自己需要的代碼。
https://github.com/alibaba/DataX
雖然在使用之前花費的不少的時間去研究json的寫法，但是傳輸速度真的要比sqoop的傳輸速度要快很多。
1、編寫json文件，去這個github上截取自己鎖需要的read和write,我這里需要的是mysqlreader 和 hdfswriter，拼起來是下面的代碼（需要修改自己數據庫，對應的表名，ip地址，對應的字段及其類型，以及hdfs上的字段名，分隔符）在對應的md下面有各個參數介紹，根據自己需要進行修改添加。（注意，這里要現在hive中進行建表，對應字段和類型，不然會出現我下面的報錯）
{
"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文件的絕對路徑
3、因為我漏了在hdfs上建表，所以，我報了如下的錯誤：
4、所以我又在hive中建表，建表語句如下：（注意對應類型）
CREATE EXTERNAL TABLE IF NOT EXISTS dataX_hdfs(
id BIGINT ,
name STRING ,
age INT ,
gender STRING ,
clazz STRING
)
comment '學生表'
ROW FORMAT DELIMITED
FIELDS TERMINATED BY ','
STORED AS TEXTFILE
5、再執行一遍，如下圖：（看到這樣的結果就說明執行成功）
6、查看HDFS網頁
7、查看內容
8、結果發現，雖然將數據上傳了，但是這個分區和結果不是我們想要的，可能是因為json的參數沒有設置好。
總結
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）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Shiro-授权(RBAC)
- 下一篇： mybatis mysql count(