大数据-240 离线数仓 - 广告业务 测试 ADS层数据加载 DataX数据导出到 MySQ ...

点一下关注吧！！！非常感谢！！持续更新！！！

Java篇开始了！

目前开始更新 MyBatis，一起深入浅出！
目前已经更新到了：

• Hadoop（已更完）
  
• HDFS（已更完）
  
• MapReduce（已更完）
  
• Hive（已更完）
  
• Flume（已更完）
  
• Sqoop（已更完）
  
• Zookeeper（已更完）
  
• HBase（已更完）
  
• Redis （已更完）
  
• Kafka（已更完）
  
• Spark（已更完）
  
• Flink（已更完）
  
• ClickHouse（已更完）
  
• Kudu（已更完）
  
• Druid（已更完）
  
• Kylin（已更完）
  
• Elasticsearch（已更完）
  
• DataX（已更完）
  
• Tez（已更完）
  
• 数据挖掘（已更完）
  
• Prometheus（已更完）
  
• Grafana（已更完）
  
• 离线数仓（正在更新…）
  

# 章节内容

上节我们完成了如下的内容：

• 广告业务 测试
  
• FlumeAgent 加载ODS、DWD层
  

导入数据

加载ADS层

ad_show_page

1. sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-21

复制代码

执行结果如下图所示：

查看Hive中的数据：

1. hive
3. use ads;
4. select * from ads_ad_show_place limit 5;

复制代码

运行结果如下图所示：

继承导入其他数据：

1. sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-22
2. sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-23
3. sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-24
4. ...省略

复制代码

最终的Hive的数据量如下所示：

1. select count(*) from ads_ad_show_place;

复制代码

对应图片为：

ad_show_page_window

1. sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-21

复制代码

执行结果如下所示：

查看Hive中的数据如下：

1. hive
3. use ads;
4. select * from ads_ad_show_place_window limit 5;

复制代码

执行结果如下图所示：

继承加载其他的数据：

1. sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-22
2. sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-23
3. sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-24
4. ...省略

复制代码

Hive中的数据总数如下：

1. select count(*) from ads_ad_show_place_window;

复制代码

运行结果如下所示：

导出数据

执行步骤

• 在MySQL创建对应的表
  
• 创建配置文件（JSON）
  
• 执行下令，利用JSON配置文件，测试
  
• 编写执行脚本（Shell）
  
• Shell脚本的测试
  

MySQL

1. drop table if exists dwads.ads_ad_show_place;
2. create table dwads.ads_ad_show_place(
3.   ad_action tinyint,
4.   hour varchar(2),
5.   place varchar(20),
6.   product_id int,
7.   cnt int,
8.   dt varchar(10)
9. );

复制代码

执行结果如下图所示：

DataX

配置文件

1. vim /opt/wzk/datax/ads_ad_show_place.json

复制代码

写入的内容如下所示：

1. {
2.   "job":{
3.     "setting":{
4.       "speed":{
5.         "channel":1
6.       }
7.     },
8.     "content":[
9.       {
10.         "reader":{
11.           "name":"hdfsreader",
12.           "parameter":{
13.             "path":"/user/hive/warehouse/ads.db/ads_ad_show_place/dt=$do_date/*",
14.             "defaultFS":"hdfs://h121.wzk.icu:9000",
15.             "column":[
16.               {
17.                 "index":0,
18.                 "type":"string"
19.               },
20.               {
21.                 "index":1,
22.                 "type":"string"
23.               },
24.               {
25.                 "index":2,
26.                 "type":"string"
27.               },
28.               {
29.                 "index":3,
30.                 "type":"string"
31.               },
32.               {
33.                 "index":4,
34.                 "type":"string"
35.               },
36.               {
37.                 "type":"string",
38.                 "value":"$do_date"
39.               }
40.             ],
41.             "fileType":"text",
42.             "encoding":"UTF-8",
43.             "fieldDelimiter":","
44.           }
45.         },
46.         "writer":{
47.           "name":"mysqlwriter",
48.           "parameter":{
49.             "writeMode":"insert",
50.             "username":"hive",
51.             "password":"hive@wzk.icu",
52.             "column":[
53.               "ad_action",
54.               "hour",
55.               "place",
56.               "product_id",
57.               "cnt",
58.               "dt"
59.             ],
60.             "preSql":[
61.               "delete from ads_ad_show_place
62.               where dt='$do_date'"
63.             ],
64.             "connection":[
65.               {
66.                 "jdbcUrl":"jdbc:mysql://h122.wzk.icu:3306/dwads?useUnicode=true&characterEncoding=utf-8",
67.                 "table":[
68.                   "ads_ad_show_place"
69.                 ]
70.               }
71.             ]
72.           }
73.         }
74.       }
75.     ]
76.   }
77. }

复制代码

写入内容如下所示：

DataX 简介

DataX 是由阿里巴巴开源的分布式离线数据同步工具，用于解决差别存储系统之间的数据传输问题。它被筹划为一种高效、稳定、易扩展的工具，可以或许适应多种复杂的数据同步需求。
核心特点

支持多种数据源：

• 关系型数据库： MySQL, PostgreSQL, Oracle, SQL Server, DB2 等。
  
• NoSQL 数据库： MongoDB, HBase 等。
  
• 大数据存储系统： Hive, MaxCompute (ODPS), HDFS。
  
• 其他： FTP 文件、ElasticSearch 等。
  

高性能：

• 基于多线程的并行架构，能充实利用机器的多核性能。
  
• 支持分片传输，进步数据传输的吞吐量。
  

灵活性和易用性：

• 配置文件化：利用 JSON 格式的配置文件定义使命，简单直观。
  
• 支持使命调理，可与调理工具集成实现定时使命。
  
• 兼容多种数据格式和传输协议。
  

扩展性：

• 插件式架构，开发者可以通过编写 Reader 和 Writer 插件支持新的数据源。
  

开源与社区支持：

• 基于 Apache 2.0 开源协议，开发者可以自由利用和修改。
  
• 拥有活跃的社区和丰富的文档支持。
  

组成部分

Reader：

• 负责从数据源中读取数据。
  
• 示例：MySQLReader, HdfsReader。
  

Writer：

• 负责将数据写入目的存储。
  
• 示例：MySQLWriter, HdfsWriter。
  

Framework：

• DataX 的核心调理引擎，负责 Reader 和 Writer 的协调工作。
  
• 提供错误处理、数据校验、性能优化等功能。
  

Transform：

• 用于对传输的数据进行处理和转换（可选）。
  
• 例如数据格式的转换、字段的增删改等。
  

工作流程

初始化：

• 加载用户配置的 JSON 文件，剖析 Reader 和 Writer 的配置。
  
• 准备使命上下文。
  

读取数据：

• Reader 读取源数据并以批量的方式输出。
  

转换数据：

• 可选步骤，Transform 模块对数据进行处理。
  

写入数据：

• Writer 汲取 Reader 输出的数据并将其写入目的存储。
  

使命管理与监控：

• DataX 提供实时的使命运行日志和统计信息，包括速度、成功率、错误信息等。
  

执行导出

1. vim /opt/wzk/hive/ads_ad_show_place.sh

复制代码

写入的内容如下所示：

1. #!/bin/bash
2. source /etc/profile
3. JSON=/opt/wzk/datax
4. if [ -n "$1" ] ;then
5. do_date=$1
6. else
7. do_date=`date -d "-1 day" +%F`
8. fi
9. python $DATAX_HOME/bin/datax.py -p "-Ddo_date=$do_date" $JSON/ads_ad_show_place.json

复制代码

写入结果如下图：

执行脚本可以得到结果：

1. sh /opt/wzk/hive/ads_ad_show_place.sh 2020-07-21

复制代码

执行过程如下图所示：

查看结果

执行结束

查看数据库的结果如下所示：

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。