使用Loader从关系型数据库导入数据到ClickHouse

操作场景

该任务指导用户使用Loader将数据从关系型数据库导入到ClickHouse，本章节已MySQL为例进行操作。

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。
• ClickHouse表已创建，确保用户已授权访问作业执行时操作该表的权限。
• 获取MySQL数据库使用的用户和密码。
• 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。
• 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。
• 操作前需要进行如下配置：
  1. 从MySQL数据库安装路径下获取MySQL客户端jar包（如mysqlclient-5.8.1.jar），将其保存在Loader服务主备节点的lib路径：“${BIGDATA_HOME}/FusionInsight_Porter_xxx/install/FusionInsight-Sqoop-1.99.3/FusionInsight-Sqoop-1.99.3/server/webapps/loader/WEB-INF/ext-lib”。
  2. 在ClickHouse的安装目录获取clickhouse-jdbc-*.jar包，将其保存在Loader服务主备节点的lib路径：“${BIGDATA_HOME}/FusionInsight_Porter_xxx/install/FusionInsight-Sqoop-1.99.3/FusionInsight-Sqoop-1.99.3/server/webapps/loader/WEB-INF/ext-lib”。
  3. 使用root用户在主备节点分别执行以下命令修改权限：

     cd ${BIGDATA_HOME}/FusionInsight_Porter_xxx/install/FusionInsight-Sqoop-1.99.3/FusionInsight-Sqoop-1.99.3/server/webapps/loader/WEB-INF/ext-lib

     chown omm:wheel jar包文件名

     chmod 600 jar包文件名

  4. 登录FusionInsight Manager系统，选择“集群 > 服务 > Loader > 更多 > 重启服务”，输入管理员密码重启Loader服务。

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。
   2. 选择“集群 > 服务 > Loader”。
   3. 单击“LoaderServer(节点名称，主)”打开“Loader WebUI”界面。
      图1 Loader WebUI界面
      

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
   
   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”新建一个的连接，在“连接器”中选择“generic-jdbc-connector”或者专用数据库连接器（oracle-connector、oracle-partition-connector、mysql-fastpath-connector），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”。
   

   • 与关系数据库连接时，可以选择通用数据库连接器（generic-jdbc-connector）或者专用数据库连接器（oracle-connector、oracle-partition-connector、mysql-fastpath-connector），专用数据库连接器特别针对具体数据库类型进行优化，相对通用数据库连接器来说，导出、导入速度更快。
   • 使用mysql-fastpath-connector时，要求在NodeManager节点上有MySQL的mysqldump和mysqlimport命令，并且此两个命令所属MySQL客户端版本与MySQL服务器版本兼容，如果没有这两个命令或版本不兼容，请参考http://dev.mysql.com/doc/refman/5.7/en/linux-installation-rpm.html，安装MySQL client applications and tools。

   表1 “generic-jdbc-connector”连接参数

   参数名	说明	示例
   名称	关系型数据库连接的名称。	mysql_test
   JDBC驱动程序类	JDBC驱动类名。	com.mysql.jdbc.Driver
   JDBC连接字符串	JDBC连接字符串。	jdbc:mysql://10.254.144.102:3306/test?useUnicode=true&characterEncoding=UTF-8
   用户名	连接数据库使用的用户名。	root
   密码	连接数据库使用的密码。	xxxx

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，暂只支持选择“表方式”。

   表2 输入设置参数

   参数名	说明	示例
   架构名称	用户指定数据库的模式名	public
   表名	表名称	test
   表列名	指定要输入的列名	id,name
   是否指定分区列	暂只支持不指定分区模式	false

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算子帮助及表3。

   表3 算子输入、输出参数设置

   输入类型	输出类型
   MySQL输入	ClickHouse输出

   在输入中把“表输入”拖拽到网格中，双击“表输入”，选择“自动识别”如图3所示。

   图3 算子输入
   

   在输出中把“ClickHouse输出”拖拽到网格中，双击“表输出”，选择“关联”或者手动编辑表格，与输入的表格对应，如图4所示。

   图4 算子输出
   

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“CLICKHOUSE”，设置数据保存方式。

   表4 输出设置参数

   参数名	说明	示例
   存储类型	选择CLICKHOUSE	-
   ClickHouse实例	选择ClickHouse	-
   导入前清理数据	选择“true”或“false” 说明： 如果导入的表为ClickHouse分布式表，且需要清理数据时，请在导入前手动删除ClickHouse分布式表对应的本地表中的数据。	true

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5 查看作业
   

9. 使用ClickHouse客户端，查询ClickHouse表数据是否和MySQL的表数据一致。