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.txt
ciss4.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
