01：脚本开发思路
-
目标：实现自动化脚本开发的设计思路分析
-
路径
-
step1：脚本目标
-
step2：实现流程
-
step3：脚本选型
-
step4：单个测试
-
-
实施
-
创建一个文件，存放要采集的表的名称
#创建测试目录 mkdir -p /opt/datas/shell cd /opt/datas/shell/ #创建存放表名的文件 vim test_full_table.txtciss4.ciss_base_areas ciss4.ciss_base_baseinfo ciss4.ciss_base_csp ciss4.ciss_base_customer ciss4.ciss_base_device -
创建脚本
vim test_full_import_table.sh -
构建采集的Sqoop命令
sqoop import \ -Dmapreduce.job.user.classpath.first=true \ --connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin \ --username ciss \ --password 123456 \ --table CISS4.CISS_SERVICE_WORKORDER \ --delete-target-dir \ --target-dir /test/full_imp/ciss4.ciss_service_workorder \ --as-avrodatafile \ --fields-terminated-by "\001" \ -m 1 -
封装脚本
#!/bin/bash #export path source /etc/profile #export the tbname files TB_NAME=/opt/datas/shell/test_full_table.txt #export the import opt IMP_OPT="sqoop import -Dmapreduce.job.user.classpath.first=true" #export the jdbc opt JDBC_OPT="--connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin --username ciss --password 123456" #read tbname and exec sqoop while read tbname do ${IMP_OPT} ${JDBC_OPT} --table ${tbname^^} --delete-target-dir --target-dir /test/full_imp/${tbname^^} --as-avrodatafile --fields-terminated-by "\001" -m 1 done < ${TB_NAME} -
Shell：Linux原生Shell脚本，命令功能全面丰富，主要用于实现自动化Linux指令，适合于Linux中简单的自动化任务开发
-
Python：多平台可移植兼容脚本，自身库功能强大，主要用于爬虫、数据科学分析计算等，适合于复杂逻辑的处理计算场景
-
场景：一般100行以内的代码建议用Shell，超过100行的代码建议用Python
-
采集脚本选用：Shell
-
a. 获取表名
-
b.构建Sqoop命令
-
c.执行Sqoop命令
-
d.验证结果
-
脚本目标：实现自动化将多张Oracle中的数据表全量或者增量采集同步到HDFS中
-
实现流程
-
脚本选型
-
单个测试
-
-
添加执行权限
chmod u+x test_full_import_table.sh -
测试执行
sh -x test_full_import_table.sh -
检查结果
-
小结
-
实现自动化脚本开发的设计思路分析
-
02：全量及增量采集脚本运行
-
目标：实现全量采集脚本的运行
-
实施
-
/data/dw/ods/one_make/full_imp：44张表
-
/data/dw/ods/one_make/incr_imp：57张表
-
因oracle表特殊字段类型，导致sqoop导数据任务失败
-
oracle字段类型为：clob或date等特殊类型
-
解决方案：在sqoop命令中添加参数，指定特殊类型字段列(SERIAL_NUM)的数据类型为string
-
—map-column-java SERIAL_NUM=String -
全量采集
cd /opt/sqoop/one_make sh -x full_import_tables.sh -
--outdir：Sqoop解析出来的MR的Java程序等输出文件输出的文件
-
增量采集
cd /opt/sqoop/one_make sh -x incr_import_tables.sh -
脚本中特殊的一些参数
-
工单数据信息、呼叫中心信息、物料仓储信息、报销费用信息等
-
HDFS路径
/data/dw/ods/one_make/incr_imp/表名/日期 -
Oracle表：组织机构信息、地区信息、服务商信息、数据字典等
-
HDFS路径
/data/dw/ods/one_make/full_imp/表名/日期 -
全量目标：将所有需要将实现全量采集的表进行全量采集存储到HDFS上
-
增量目标：将所有需要将实现全量采集的表进行增量采集存储到HDFS上
-
运行脚本
-
特殊问题
-
查看结果
-
-
小结
-
实现全量采集脚本的运行
-
03：Schema备份及上传
-
目标：了解如何实现采集数据备份
-
实施
-
Avro文件HDFS存储
hdfs_schema_dir=/data/dw/ods/one_make/avsc hdfs dfs -put ${workhome}/java_code/*.avsc ${hdfs_schema_dir} -
Avro文件本地打包
local_schema_backup_filename=schema_${biz_date}.tar.gz tar -czf ${local_schema_backup_filename} ./java_code/*.avsc -
Avro文件HDFS备份
hdfs_schema_backup_filename=${hdfs_schema_dir}/avro_schema_${biz_date}.tar.gz hdfs dfs -put ${local_schema_backup_filename} ${hdfs_schema_backup_filename} -
运行测试
cd /opt/sqoop/one_make/ ./upload_avro_schema.sh -
验证结果
/data/dw/ods/one_make/avsc/ *.avsc schema_20210101.tar.gz -
需求：将每张表的Schema进行上传到HDFS上，归档并且备份
-
Avro文件本地存储
workhome=/opt/sqoop/one_make --outdir ${workhome}/java_code -
小结
-
了解如何实现采集数据备份
-
04：Python脚本
-
目标：了解如果使用Python脚本如何实现
-
实施
-
subprocess
call（String：LinuxCommand）：用于提交Linux命令的方法 -
logging
basicConfig(level,filename,filemode,format)：用于配置日志记录的方式 info(Messege)：用于记录具体的日志内容 -
time
sleep(15) ：休眠15s -
问题：所有的操作是Sqoop、HDFS等命令操作，如何能通过Python代码控制？
-
解决：本质上是使用Python执行了Linux的Shell命令来实现的
-
导包
# 用于实现执行系统操作的包 import os # 用于实现执行Linux的命令的包 import subprocess # 用于实现日期获取解析的包 import datetime # 用于执行时间操作的包 import time # 用于做日志记录的包 import logging -
原理本质
-
核心代码解析
-
-
小结
-
了解如果使用Python脚本如何实现
-