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 MySQL

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 sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-21 执行结果如下图所示： 查看Hive中的数据： hive use ads; select * from ads_ad_show_place limit 5; 运行结果如下图所示： 继续导入其他数据： sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-22 sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-23 sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-24 ...省略 最终的Hive的数据量如下所示： select count() from ads_ad_show_place; 对应图片为： #### ad_show_page_window sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-21 执行结果如下所示： 查看Hive中的数据如下： hive use ads; select * from ads_ad_show_place_window limit 5; 执行结果如下图所示： 继续加载其他的数据： sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-22 sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-23 sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-24 ...省略 Hive中的数据总数如下： select count( ) from ads_ad_show_place_window; 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）* 执行命令，使用JSON配置文件，测试* 编写执行脚本（Shell）* Shell脚本的测试### MySQL drop table if exists dwads.ads_ad_show_place; create table dwads.ads_ad_show_place( ad_action tinyint, hour varchar(2), place varchar(20), product_id int, cnt int, dt varchar(10) ); 执行结果如下图所示： ### DataX#### 配置文件 vim /opt/wzk/datax/ads_ad_show_place.json 写入的内容如下所示： { "job":{ "setting":{ "speed":{ "channel":1 } }, "content": { "reader":{ "name":"hdfsreader", "parameter":{ "path":"/user/hive/warehouse/ads.db/ads_ad_show_place/dt=KaTeX parse error: Expected '}', got 'EOF' at end of input: ... "value":"do_date" } , "fileType":"text", "encoding":"UTF-8", "fieldDelimiter":"," } }, "writer":{ "name":"mysqlwriter", "parameter":{ "writeMode":"insert", "username":"hive", "password":"hive@wzk.icu", "column": "ad_action", "hour", "place", "product_id", "cnt", "dt" , "preSql": "delete from ads_ad_show_place where dt='$do_date'" , "connection": { "jdbcUrl":"jdbc:mysql://h122.wzk.icu:3306/dwads?useUnicode=true\&characterEncoding=utf-8", "table":\[ "ads_ad_show_place" } ] } } } ] } } 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，用于解决不同存储系统之间的数据传输问题。它被设计为一种高效、稳定、易扩展的工具，能够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，能充分利用机器的多核性能。* 支持分片传输，提高数据传输的吞吐量。灵活性和易用性：* 配置文件化：使用 JSON 格式的配置文件定义任务，简单直观。* 支持任务调度，可与调度工具集成实现定时任务。* 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，开发者可以自由使用和修改。* 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：* 负责将数据写入目标存储。* 示例：MySQLWriter, HdfsWriter。Framework：* DataX 的核心调度引擎，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，解析 Reader 和 Writer 的配置。* 准备任务上下文。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 接收 Reader 输出的数据并将其写入目标存储。任务管理与监控：* DataX 提供实时的任务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 vim /opt/wzk/hive/ads_ad_show_place.sh 写入的内容如下所示： #!/bin/bash source /etc/profile JSON=/opt/wzk/datax if -n "$1" ;then do_date=1 else do_date=`date -d "-1 day" +%F` fi python DATAXHOME/bin/datax.py−p"−Ddodate=DATAX_HOME/bin/datax.py -p "-Ddo_date=DATAXHOME/bin/datax.py−p"−Ddodate=do_date" JSON/ads_ad_show_place.json 写入结果如下图： 执行脚本可以得到结果： sh /opt/wzk/hive/ads_ad_show_place.sh 2020-07-21 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：