# 使用Loader从SFTP服务器导入数据到HDFS/OBS #### 操作场景 该任务指导用户使用Loader将数据从SFTP服务器导入到HDFS/OBS。 #### 前提条件 - 创建或获取该任务中创建Loader作业的业务用户和密码。 - 确保用户已授权访问作业执行时操作的HDFS/OBS目录和数据。 - 获取SFTP服务器使用的用户和密码，且该用户具备SFTP服务器上源文件的读取权限。如果源文件在导入后文件名要增加后缀，则该用户还需具备源文件的写入权限。 - 检查磁盘空间，确保没有出现告警且余量满足导入、导出数据的大小。 - 使用Loader从SFTP服务器导入数据时，确保SFTP服务器输入路径目录名、输入路径的子目录名及子文件名不能包含特殊字符/\\"':;,中的任意字符。 - 如果设置的作业需要使用指定YARN队列功能，该用户需要已授权有相关YARN队列的权限。 - 设置任务的用户需要获取该任务的执行权限，并获取该任务对应的连接的使用权限。 #### 操作步骤 **设置作业基本信息** 1. 登录"Loader WebUI"界面。 1. 登录FusionInsight Manager系统，具体请参见[访问集群Manager](https://support.huaweicloud.com/cmpntguide-lts-mrs/mrs_01_2124.html)。 2. 选择"集群 \> 服务 \> Loader"。 3. 单击"LoaderServer(*节点名称* ，主)"打开"Loader WebUI"界面。 图1Loader WebUI界面 ![](https://support.huaweicloud.com/cmpntguide-lts-mrs/zh-cn_image_0000001724866733.png "点击放大") 2. 单击"新建作业"，进入"基本信息"界面，创建作业基本信息。 图2"基本信息"界面 ![](https://support.huaweicloud.com/cmpntguide-lts-mrs/zh-cn_image_0000001676907838.png "点击放大") 1. 在"名称"中输入作业的名称。 2. 在"类型"中选择"导入"。 3. 在"组"中设置作业所属组，默认没有已创建的组，单击"添加"创建一个新的组，输入组的名称，单击"确定"保存。 4. 在"队列"中选择执行该作业的YARN队列。默认值"root.default"。 5. 在"优先级"中选择执行该作业的YARN队列优先级。默认值为"NORMAL"。可选值为"VERY_LOW"、"LOW"、"NORMAL"、"HIGH"和"VERY_HIGH"。 3. 在"连接"区域，单击"添加"新建一个连接，在"连接器"中选择"sftp-connector"，单击"添加"，输入配置连接参数，单击"测试"验证连接是否可用，待提示"测试成功"后单击"确定"。Loader支持配置多个SFTP服务器操作数据，单击"添加"可增加多行SFTP服务器的配置信息。 表1连接参数 | 参数名 | 说明 | 示例 | |:---|:---|:---| | 名称 | SFTP服务器连接的名称。 | sftpName | | Sftp服务器的IP | SFTP服务器的IP地址。 | 10.16.0.1 | | Sftp服务器端口 | SFTP服务器的端口号。 | 22 | | Sftp用户名 | 访问SFTP服务器的用户名。 | root | | Sftp密码 | 访问SFTP服务器的密码。 | xxxx | | Sftp公钥 | Sftp服务器公钥。 | OdDt/yn...etM | ![](https://support.huaweicloud.com/cmpntguide-lts-mrs/public_sys-resources/note_3.0-zh-cn.png) 配置多个SFTP服务器时，多个SFTP服务器指定目录的数据导入到HDFS/OBS的同一个目录下。 **设置数据源信息** 4. 单击"下一步"，进入"输入设置"界面，设置数据源信息。 表2输入设置参数 | 参数名 | 说明 | 示例 | |:---|:---|:---| | 输入路径 | SFTP服务器中源文件的输入路径，如果连接器配置多个地址此处可对应使用";"分隔多个输入路径，数量需要与连接器中服务器的数量一致。 说明： 路径参数可以使用宏定义，具体请参考[Loader算子配置项中使用宏定义](https://support.huaweicloud.com/cmpntguide-lts-mrs/mrs_01_1153.html)。 | /opt/tempfile;/opt | | 文件分割方式 | 选择按文件或大小分割源文件，作为数据导入的MapReduce任务中各个map的输入文件。 - 选择"FILE"，表示按文件分割源文件，即每个map处理一个或多个完整的源文件，同一个源文件不可分配至不同map，完成数据导入后保持源文件的目录结构。 - 选择"SIZE"，表示按大小分割源文件，即每个map处理一定大小的输入文件，同一个源文件可分割至多个map，数据保存至输出目录时保存的文件数与map数量相同，文件名格式为"import_part_xxxx"，"xxxx"为系统生成的随机数，具有唯一性。 | FILE | | 过滤类型 | 选择文件过滤的条件，与"路径过滤器"、"文件过滤器"配合使用。 - 选择"WILDCARD"，表示使用通配符过滤。 - 选择"REGEX"，表示使用正则表达式匹配。 - 不选择，则默认为通配符过滤。 | WILDCARD | | 路径过滤器 | 与"过滤类型"配合使用，配置通配符或正则表达式对源文件的输入路径包含的目录进行过滤。"输入路径"不参与过滤。使用分号";"分隔多个服务器上的路径过滤器，每个服务器的多个过滤条件使用逗号","隔开。配置为空时表示不过滤目录。 - "?"匹配单个字符。 - "\*"配置多个字符。 - 在匹配条件前加"\^"表示取反，即文件过滤。 例如，当"过滤类型"选择"WILDCARD"时，将该参数设置为"\*"；当"过滤类型"选择"REGEX"时，将该参数设置为"\\\\.\*"。 | 1\*,2\*;1\* | | 文件过滤器 | 与"过滤类型"配合使用，配置通配符或正则表达式对源文件的输入文件名进行过滤。使用分号";"分隔多个服务器上的文件过滤器，每个服务器的多个过滤条件使用逗号","隔开。该参数不能配置为空。 - "?"匹配单个字符。 - "\*"配置多个字符。 - 在匹配条件前加"\^"表示取反，即文件过滤。 例如，当"过滤类型"选择"WILDCARD"时，将该参数设置为"\*"；当"过滤类型"选择"REGEX"时，将该参数设置为"\\\\.\*"。 | \*.txt,\*.csv;\*.txt | | 编码类型 | 源文件的编码格式，如UTF-8、GBK。导入文本文件时才能配置。 | UTF-8 | | 后缀名 | 源文件导入成功后对输入文件增加的后缀值。该值为空，则表示不加后缀。数据源为文件系统，该参数才有效。用户如果需增量导入数据建议设置该参数。 例如设置为".txt"，源文件为"test-loader.csv"，则导出后源文件名为"test-loader.csv.txt"。 | .log | | 压缩 | 使用SFTP协议导入数据时，是否开启压缩传输功能以减小带宽使用。 - 选择"true"，表示开启压缩。 - 选择"false"，表示关闭压缩。 | true | **设置数据转换** 5. 单击"下一步"，进入"转换"界面，设置数据传输过程中的转换操作。算子的选择和参数设置具体请参考[Loader算子帮助](https://support.huaweicloud.com/cmpntguide-lts-mrs/mrs_01_1119.html)及[表3]。 表3算子输入、输出参数设置 | 输入类型 | 输出类型 | |:---|:---| | CSV文件输入 | 文件输出 | | HTML输入 | 文件输出 | | 固定宽度文件输入 | 文件输出 | 图3算子操作方法示意 ![](https://support.huaweicloud.com/cmpntguide-lts-mrs/zh-cn_image_0000001724747317.png "点击放大") **设置数据保存信息并运行作业** 6. 单击"下一步"，进入"输出设置"界面，在"存储类型"中选择"HDFS"，设置数据保存方式。 表4输出设置参数 | 参数名 | 说明 | 示例 | |:---|:---|:---| | 文件类型 | 文件导入后保存的类型： - "TEXT_FILE"：导入文本文件并保存为文本文件 - "SEQUENCE_FILE"：导入文本文件并保存在"sequence file"文件格式 - "BINARY_FILE"：以二进制流的方式导入文件，可以导入任何格式的文件 | TEXT_FILE | | 压缩格式 | 在下拉菜单中选择数据导入HDFS/OBS后保存文件的压缩格式，未配置或选择NONE表示不压缩数据。 | NONE | | 输出目录 | 数据导入到HDFS/OBS里存储的保存目录。 说明： 路径参数可以使用宏定义，具体请参考[Loader算子配置项中使用宏定义](https://support.huaweicloud.com/cmpntguide-lts-mrs/mrs_01_1153.html)。 | /user/test | | 是否执行前删除文件 （适用于MRS 3.5.0及以后版本） | 作业运行前是否删除根据文件名标识生成的文件，以做到数据可以重入。 - false（默认值）：作业运行前不执行删除文件动作。 - true：作业运行前会删除指定文件名的文件，对应的"文件操作方式"为"OVERRIDE"直接覆盖旧文件。仅支持如下连接器： - generic-jdbc-connector - oracle-connector - mysql-fastpath-connector | false | | 文件名标识 （适用于MRS 3.5.0及以后版本） | 文件名标识，用来生成导入的文件名。 - 文件名格式：import_part_xxx_000000000。 - "xxx"为文件名标识。 - 取值范围：\[0-9\]，\[a-z\]，\[A-Z\]，中划线，下划线和点。 - 长度：\[1-255\]。 - "是否执行前删除文件"为"true"时必填。 | 12 | | 文件操作方式 | 数据导入时的操作行为。全部数据从输入路径导入到目标路径时，先保存在临时目录，然后再从临时目录复制转移至目标路径，任务完成时删除临时路径的文件。转移临时文件存在同名文件时有以下行为： - "OVERRIDE"：直接覆盖旧文件。 - "RENAME"：重命名新文件。无扩展名的文件直接增加字符串后缀，有扩展名的文件在文件名增加字符串后缀。字符串具有唯一性。 - "APPEND"：在旧文件尾部合并新文件内容。合并操作只是简单的追加，不保证追加文件是否可以使用。例如文本文件可合并，压缩文件合并后可能无法使用。 - "IGNORE"：保留旧文件，不复制新文件。 - "ERROR"：转移过程中出现同名文件时任务将停止执行并报错，已转移的文件导入成功，同名的文件及未转移的文档导入失败。 | OVERRIDE | | Map数 | 配置数据操作的MapReduce任务中同时启动的Map数量。不可与"Map数据块大小"同时配置。参数值必须小于或等于3000，建议以SFTP服务器的CPU的核数作为其取值。 说明： 为了提高导入数据速度，需要确保以下条件： - 每个Map连接时，相当于一个客户端连接，因此需要确保SFTP服务器最大连接数大于Map数量。 - 确保SFTP服务器上的磁盘IO或是网络带宽都未达到上限。 | 20 | | Map数据块大小 | 配置数据操作的MapReduce任务中启动Map所处理的数据大小，单位为MB。参数值必须大于或等于100，建议配置值为1000。不可与"Map数"同时配置。 | 1000 | 7. 单击"保存并运行"，开始保存并运行作业。 **查看作业完成情况** 8. 进入"Loader WebUI"界面，待"状态"显示"成功"则说明作业完成。 图4查看作业 ![](https://support.huaweicloud.com/cmpntguide-lts-mrs/zh-cn_image_0000001724867193.png "点击放大")