【Hadoop-OBS-Hive】利用华为云存储对象 OBS 作为两个集群的中间栈 load 文件到 Hive

bmyyyyyy2023-12-20 16:02

【Hadoop-OBS-Hive】利用华为云存储对象 OBS 作为两个集群的中间栈 load 文件到 Hive

1）压缩文件
[2）上传文件到 OBS 存储对象](#2）上传文件到 OBS 存储对象)
[3）crontab 定时压缩上传](#3）crontab 定时压缩上传)
[4）从 obs 上拉取下来文件后解压缩](#4）从 obs 上拉取下来文件后解压缩)
5）判断对应文件是否存在
[6）上传至 HDFS 并 load 到 Hive](#6）上传至 HDFS 并 load 到 Hive)

本次需求：想将一个集群上的 csv 文件 load 到另一个集群的 Hive 表中，由于两个集群的网络不通，所以利用华为云存储对象 OBS 作为中间栈，从而实现。

1）压缩文件

服务器A上 /home/test/ 目录下找到测试文件进行压缩，实际生产中不排除单个文件很大，导致上传至存储对象速度慢，所以压缩后效率更高。

shell 复制代码

zip -r /home/test/20231127/test_20231127.zip test_20231127.csv

2）上传文件到 OBS 存储对象

上传压缩文件到 obs，这里我们已经安装了obsutil-Liunx工具，如果没有安装的话要安装。

安装地址：https://support.huaweicloud.com/utiltg-obs/obs_11_0003.html

shell 复制代码

/opt/obsutil/obsutil cp /home/test/20231127/test_20231127.zip obs://obs-tes/model_test/

3）crontab 定时压缩上传

实际生产中可以定时进行压缩上传。

4）从 obs 上拉取下来文件后解压缩

shell 复制代码

obs://obs-test/model_test/test_20231127.zip cp /data/test/
unzip -d /data/test/ /data/test/test_20231127.zip

5）判断对应文件是否存在

拉下来后最好在脚本中自动进行判断文件是否存在，如果有异常的情况可以帮助我们尽快发现异常。

shell 复制代码

if [ -f /data/cdp/test_20231127.csv ]; then
    echo "该文件存在"
else
    echo "该文件不存在"
fi

6）上传至 HDFS 并 load 到 Hive

完整脚本如下：

shell 复制代码

/opt/obsutil/obsutil config -i=****************** -k=**************************** -e=huaweiyun.cloud.com
echo 123 | kinit hive
sh /opt/obsutil/config.sh
/opt/obsutil/obsutil cp obs://obs-test/model_test/test_20231127.zip /data/test/test_20231127.zip
if [ -e /data/test/test_20231127.zip ]; then
    echo "文件下载完成"
    unzip -o -d /data/test/ /data/test/test_20231127.zip
    echo "解压缩完成"
    hdfs dfs -put -f /data/test/test_20231127.csv /tmp/test
    echo "上传hdfs完成"
	hive -e "load data inpath '/tmp/test/test_20231127.csv' overwrite into table test.test_table"
    echo "load完成"
else
    echo "该文件不存在"
    break
fi