import与抽出框架封装

by admin on 2019年11月6日

CDH Hadoop类别目录:

CDH Hadoop连串目录:

Hadoop实战(3)_虚构机搭建CDH的全分布格局

亚洲必赢手机入口,Hadoop实战(3)_虚构机搭建CDH的全布满格局

Hadoop实战(4)_Hadoop的集群管理和能源分配

Hadoop实战(4)_Hadoop的集群管理和财富分配

Hadoop实战(5)_Hadoop的运行阅历

Hadoop实战(5)_Hadoop的运转资历

Hadoop实战(8)_CDH添加Hive服务及Hive基础

Hive系列布局

Hive有2个服务端守护进度:Hiveserver2:支撑JDBC访问,Thrift服务。MetaStore
Server:支撑访谈元数据库的劳务。

Hadoop实战(9)_Hive进阶及UDF开发

Hive内核结构

Complier:编译器,编译hql语法。

Optimizer:优化hql代码,发生最优试行安排。通过explain select
…查看执行布署。

Executor:实施最后转变的类(MV12 Vantagejob)。

Sqoop语法表明

Sqoop官方学习文书档案:

http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.6-cdh5.9.0/

Sqoop import是相对于HDFS来说,即从关周密据库import到HDFS上。

mysql的驱动包放到sqoop/lib下。

Hive客户接口

客商接口主要有多个:CLI, JDBC/ODBC和WebGUI。

CLI,即hive shell命令行,Command line。

JDBC/ODBC是Hive的JAVA,与使用守旧数据库JDBC的方法临近。

WebGUI是通过浏览器访谈Hive,放弃效率。

案例生机勃勃:把数量导入到HDFS上

/root/project
mkdir sqoop_prj
cd sqoop_prj/
mkdir DBS
cd DBS/
touch DBS.opt

hadoop fs -mkdir /user/hive/warehouse/DBS
which sqoop

试行opt文件,不能传参,sqoop --options-file aa.opt-m,钦点map数,假设收取的表数据量大,则调大map数。要是-m设置为5,5个线程,则在HDFS上发出5个文件。

把sqoop写到shell脚本的功利,能够传参数。

#!/bin/sh
. /etc/profile

hadoop fs -rmr /user/hive/warehouse/DBS



sqoop import  --connect "jdbc:mysql://cdhmaster:3306/hive"    \
--username root                                                          \
--password 123456                                                        \
-m    1                                                             \
--table  DBS                                                           \
--columns   "DB_ID,DESC,DB_LOCATION_URI,NAME,OWNER_NAME,OWNER_TYPE"         \
--target-dir  "/user/hive/warehouse/DBS"    

#--where "length(DESC)>0"                                               \                               
#--null-string ''

bug,驱动难题

ERROR manager.SqlManager: Error reading from database: java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@3c1a42fa is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.
java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@3c1a42fa is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.

追加参数,仿效

https://stackoverflow.com/questions/29162447/sqoop-import-issue-with-mysql

https://stackoverflow.com/questions/26375269/sqoop-error-manager-sqlmanager-error-reading-from-database-java-sql-sqlexcept

--driver com.mysql.jdbc.Driver

扩展参数后的警报,

WARN sqoop.ConnFactory: Parameter --driver is set to an explicit driver however appropriate connection manager is not being set (via --connection-manager). Sqoop is going to fall back to org.apache.sqoop.manager.GenericJdbcManager. Please specify explicitly which connection manager should be used next time.

bug,sql语法难题,

Error: java.io.IOException: SQLException in nextKeyValue

去掉关键词列DESC,参考,

https://community.cloudera.com/t5/Data-Ingestion-Integration/sqoop-throws-SQLException-in-nextKeyValue/m-p/42653

添加Hive服务

增加服务-Hive,Gateway空,Hive Metastore
Server采取cdhmaster,HiveServer2选拔cdhslave1。使用嵌入式数据库测量检验连接跳过。

案例二:数据写Hive普通表(非分区表)

# mysql
create table test (id int, pdate date);
insert into test(id, pdate) values (1, '2017-11-05');
insert into test(id, pdate) values (2, '2017-11-06');
insert into test(id, pdate) values (3, '2017-11-05');
insert into test(id, pdate) values (4, '2017-11-06');

# hive
drop table if exists test;
create table test(id int, pdate string);

--hive-import,内定要写入hive表,该参数无value。

--hive-overwrite

--hive-table,test。

安装MySQL

yum list | grep mysql
yum install -y mysql-server
# 启动mysql服务
chkconfig --list | grep mysql
service mysqld start
chkconfig mysqld on
chkconfig --list | grep mysql
# 创建root管理员
mysqladmin -u root password 123456
# 登录mysql
mysql -u root -p
# 设置字符集,否则会造成转码问题
create database hive;
alter database hive character set latin1;
# 设置访问权限
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123456' WITH GRANT OPTION;

字符集不得法的话,也许报错。

FAILED: Error in metadata: MetaException(message:Got exception: org.apache.thrift.transport.TTransportException null)
FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask

MySQL驱动,把mysql的驱动mysql-connector-java-5.1.18-bin.jar放在/opt/cloudera/parcels/CDH/lib/hive/lib/下。

(可选)复制mysql-connector-java-5.1.18-bin.jar/usr/share/cmf/lib/,供cm分界面用,增添hive服务跳过元数据库配置即那几个驱动包大概会找不到。

案例三:写Hive分区表,so,salesorder

注意事项:

1、用如何字段做分区?
创办时间,并不是last_modify_time

Q:
用成立时间抽出至hive分区,订单状态变化周期是45天,订单状态变化后,hive数据怎么着共同?

hive不帮忙update,每一天收取近15天的订单到Hive的分级分区里。Hive是做总结剖判,平日最关心是明日的情景。

# cdhmaster
cd ~
mysql -uroot -p123456 < so.sql
ERROR 1046 (3D000) at line 3: No database selected

vi so.sql
use test;

mysql -uroot -p123456 < so.sql

# hive
CREATE TABLE so (
  order_id bigint,
  user_id bigint,
  order_amt double ,
  last_modify_time string
) partitioned by (date string);

Sqoop执行后,注意:

  • 会在该客商HDFS的home目录下,产生三个与源表同名的目录,如/user/root/so
    倘诺sqoop import至hive成功,该目录会自动删掉。
  • 在实行的目录下产生四个java文件,即opt转变的M大切诺基 Job代码。
  • sqoop import中,无论hive表是何许列分隔符,均能够自行相配。

Sqoop收取框架封装:

  • 建叁个mysql配置表,配置须求收取的表及新闻;
  • Java读取mysql配置表,动态生成opt文件;
  • Java中实行Process类调本地系统命令—sqoop –options-file opt文件;

Sqoop-imp -task 1 “2015-04-21”

Sqoop-imp “2015-04-21”

Hive元数据库设置

进入cm的hive服务-配置中,

先举行能源管理,Hive Metastore Server的Java货仓大小,200M。Hive
Server2的Java货仓大小,200M。

Hive Metastore数据库,接受MySQL。Hive Metastore数据库名称,hive。Hive
Metastore数据库主机,cdhmaster。Hive Metastore数据库端口,3306。Hive
Metastore数据库客户,root。Hive
Metastore数据库密码,123456。自动创立和升高Hive
Metastore数据库架构,打勾。严刻的Hive Metastore架构验证,不打勾。

接下来运转Hive服务,观看Metastore
Server是还是不是能连上mysql(实例点进去查看剧中人物的日志)。假设连不上,就反省grant访谈mysql的权柄。

[main]: Failed initialising database.
Unable to open a test connection to the given database. JDBC url = jdbc:mysql://cdhmaster:3306/hive?useUnicode=true&characterEncoding=UTF-8, username = root. Terminating connection pool (set lazyInit to true if you expect to start your database after your app). Original Exception: ------
java.sql.SQLException: Access denied for user 'root'@'cdhmaster' (using password: YES)

GRANT ALL PRIVILEGES ON *.* TO 'root'@'cdhmaster' IDENTIFIED BY '123456' WITH GRANT OPTION;

Sqoop export

# mysql test
create table so1 as 
select * from so where 1=0;

根源必需是HDFS/Hive,目的关全面据库。

表so1的datelast_modify_time修改为varchar

远程元数据库

元数据库能够安装在其余节点上,客商端通过MetaStoreServer服务拜望元数据库。

(Meta Store Client/Hive CLI)-MetaStore Server(thrift)-MySQL Server

属性 默认值
hive.metastore.local true false
hive.metastore.uris 如thrift://192.168.1.110:9083

Sqoop工具打包

Flow etl 实施全体已布局的表抽出。

Flow etl -task 1

Flow etl -task 1 2017-01-01

  • 读取mysql的extract_to_hdfsextract_db_info,依照配置音讯生成.opt文件。
  • 通过Java的Process类调Linux命令:sqoop --options-file opt文件

idea打包Flow.jar,'D:/Java/idea/IdeaProjects/Hive_Prj/src/META-INF/MANIFEST.MF' already exists in VFS,删掉文件夹META-INF

db.properties是访问mysql数据库的配置。

extract_db_info,抽出的表来自的数据库的安顿。

Flow.jar上传至/root/project/lib

/root/project/bin,创建Flow命令。

配置FLOW_HOME

vi /etc/profile

export FLOW_HOME=/root/project

source /etc/profile

配置db.properties

# FLOW_HOME
mkdir conf

vi db.properties

db.driver=com.mysql.jdbc.Driver
db.url=jdbc:mysql://cdhmaster:3306/test
db.user=root
db.password=123456

配置sqoop option目录sqoop/opts

# FLOW_HOME
mkdir -p sqoop/opts

假若要在实行时发出日志,须要开支jar时配置log4j。

ERROR manager.SqlManager: Error reading from database: java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@310d117d is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.
java.sql.SQLException: Streaming result set com.mysql.jdbc.RowDataDynamic@310d117d is still active. No statements may be issued when any streaming result sets are open and in use on a given connection. Ensure that you have called .close() on any active streaming result sets before attempting more queries.

HDFSExtract.java,增添安顿--driver com.mysql.jdbc.Driver,重新打包上传。

作业能够对应做校勘,如sh ./so.sh

# /root/project/sqoop_prj/DBS
vi so.sh

Flow etl -task 1 $yestoday

你可能还想看

多少拆解剖析/数据开采/机器学习

Python数据开采与机械和工具学习_通讯信用风险评估实战(1)——读数据

Python数据开采与机械和工具学习_通讯信用风险评估实战(2)——数据预管理

Python数据开掘与机械和工具学习_通讯信用危机评估实战(3)——特征工程

Python数据开掘与机械和工具学习_通讯信用危害评估实战(4)——模型练习与调优

爬虫

Python爬虫实战之爬取链家圣菲波哥伦比亚大学房价_01粗略的单页爬虫

Python爬虫实战之爬取链家新北房价_02把小爬虫变大

Python爬虫实战之爬取链家迈阿密房价_03存储

Python爬虫实战之爬取链家马尼拉房价_04链家的依样画葫芦登入(记录)

搜狗词库爬虫(1卡塔尔国:功底爬虫架交涉爬取词库分类

搜狗词库爬虫(2卡塔 尔(阿拉伯语:قطر‎:基本功爬虫框架的运转流程


Wechat大伙儿号「数据深入分析」,分享数据地法学家的小编修养,既然遇见,不比一同成长。

亚洲必赢手机入口 1

数量分析

转发请表明:转发自Wechat公众号「数据剖析」


Hive命令

show databases;
use default;
create table test(id int, name string);
desc test;


中间表,又称托管表,drop后数据错过。

表面表:create external table tableName,drop表时数据不会去除。

alter table set location '';
alter table add partition(date='') location '';

私下认可分隔符,列为\001,行为\n。

create external table page_view_stg
(userid bigint,
 url string,
 ip string comment 'IP Address of the User')
row format delimited fields terminated by '\t'
partitioned by (ds string, type string)
lines terminated by '\n'
stored as textfile
location '/user/hive/external/city';

字段类型

  • int
  • bigint,长整型
  • double,金额类
  • string,字符串,日期,非数值型的满贯能够用string

Cli

hive -e “select …”

hive -f aa.sql

hive -e -i -i的法力是加载开头化命令,举例UDF

create database dw location '/user/hive/dw';

FAILED: Execution Error, return code 1 from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:Got exception: org.apache.hadoop.security.AccessControlException Permission denied: user=root, access=WRITE, inode="/user/hive":hive:hive:drwxrwxr-t

消除办法,用hdfs帐户推行

su - hdfs
hadoop fs -chmod 777 /user/hive

hive
use dw;
create table aa(name string);

分区

波及DB的分区都是优先建好,日常都以通过有些字段的约束,举例date。

Hive的分区是写多少进去的时候自动建的,分区表insert时必需钦点分区。

把三个文件入到Hive表有第22中学方法:

方式1:通过load命令

方式2:首先hadoop fs -put至HDFS,然后alter location。

Hive的insert有2种,insert overwrite(覆盖),insert into(追加)。

create table track_log (
id                         string ,
url                        string ,
referer                    string ,
keyword                    string ,
type                       string ,
guid                       string ,
pageId                     string ,
moduleId                   string ,
linkId                     string ,
attachedInfo               string ,
sessionId                  string ,
trackerU                   string ,
trackerType                string ,
ip                         string ,
trackerSrc                 string ,
cookie                     string ,
orderCode                  string ,
trackTime                  string ,
endUserId                  string ,
firstLink                  string ,
sessionViewNo              string ,
productId                  string ,
curMerchantId              string ,
provinceId                 string ,
cityId                     string )  
PARTITIONED BY (date string,hour string)  
ROW FORMAT DELIMITED FIELDS TERMINATED BY '\t';

hive -e "LOAD DATA LOCAL INPATH '/root/data/2015082818' OVERWRITE INTO TABLE track_log PARTITION (date='2015-08-28',hour='18');"

hive -e "LOAD DATA LOCAL INPATH '/root/data/2015082819' OVERWRITE INTO TABLE track_log PARTITION (date='2015-08-28',hour='19');"

select date,count(url) as pv, count(distinct guid) as uv from track_log where date='2015-08-28' group by date;

分区字段名不能够和普通字段重复,分区字段用起来和常常字段没分别。

动态分区

表1是日期分区,需求把表第11中学多少写入表2(日期、时辰分区)?

insert overwrite table table2 partition(date='', hour='00') 
select 
from table1 
 where hour(time)=0;

create table rpt_visit_daily_hour 
(
    pv bigint,
    uv bigint
) partitioned by (date string, hour string);

insert overwrite table rpt_visit_daily_hour partition (date='2015-08-28', hour) 
select count(url) as pv, 
count(distinct guid) as uv, 
hour 
from track_log 
where date='2015-08-28' group by date,hour;

Hive表数据的来自

  • 事务种类,sqoop用于关系db和hive/hdfs导入导出。
  • 数据文件,hive load命令,用于加载网站客商作为数据。
  • 其余数据表,insert … select
  • 音讯中间件,举个例子kafka离线花费写HDFS。

Q:drop后的外表表在如何岗位?

A:外界表数据还未有去除,只是删除了表的元数据音讯,手工业把HDFS目录映射到hive表分区:
hive -e “alter table tt add partition (date=”,hour=”) location
‘/user/hive/warehouse/track_log/date=2015-08-28/hour=18′”

Hive官方文书档案:

https://cwiki.apache.org/confluence/display/Hive/Tutorial


你恐怕还想看

数量深入分析/数据发掘/机器学习

Python数据开掘与机具学习_通讯信用危机评估实战(1)——读数据

Python数据发掘与机械和工具学习_通讯信用危机评估实战(2)——数据预处理

Python数据开采与机械和工具学习_通信信用风险评估实战(3)——特征工程

Python数据开采与机具学习_通讯信用危害评估实战(4)——模型演练与调优

爬虫

Python爬虫实战之爬取链家高雄房价_01简短的单页爬虫

Python爬虫实战之爬取链家苏黎世房价_02把小爬虫变大

Python爬虫实战之爬取链家巴塞罗那房价_03存储

Python爬虫实战之爬取链家广州房价_04链家的模仿登入(记录)

搜狗词库爬虫(1卡塔尔国:根底爬虫架交涉爬取词库分类

搜狗词库爬虫(2卡塔 尔(阿拉伯语:قطر‎:幼功爬虫框架的运作流程


微信徒人号「数据剖判」,分享数据物历史学家的自己修养,既然遇见,比不上一同成年人。

数码拆解深入分析

转发请表明:转发自Wechat群众号「数据解析」


发表评论

电子邮件地址不会被公开。 必填项已用*标注

网站地图xml地图