Loader基本原理
Loader是在开源Sqoop组件的基础上进行了一些扩展，实现MRS与关系型数据库、文件系统之间交换“数据”、“文件”，同时也可以将数据从关系型数据库或者文件服务器导入到HDFS/HBase中，或者反过来从HDFS/HBase导出到关系型数据库或者文件服务器中。
Loader模型主要由Loader Client和Loader Server组成，如图1所示。
上图中各部分的功能说明如表1所示。
|
名称 |
描述 |
|---|---|
|
Loader Client |
Loader的客户端，包括WebUI和CLI版本两种交互界面。 |
|
Loader Server |
Loader的服务端，主要功能包括：处理客户端操作请求、管理连接器和元数据、提交MapReduce作业和监控MapReduce作业状态等。 |
|
REST API |
实现RESTful（HTTP + JSON）接口，处理来自客户端的操作请求。 |
|
Job Scheduler |
简单的作业调度模块，支持周期性的执行Loader作业。 |
|
Transform Engine |
数据转换处理引擎，支持字段合并、字符串剪切、字符串反序等。 |
|
Execution Engine |
Loader作业执行引擎，支持以MapReduce方式执行Loader作业。 |
|
Submission Engine |
Loader作业提交引擎，支持将作业提交给MapReduce执行。 |
|
Job Manager |
管理Loader作业，包括创建作业、查询作业、更新作业、删除作业、激活作业、去激活作业、启动作业、停止作业。 |
|
Metadata Repository |
元数据仓库，存储和管理Loader的连接器、转换步骤、作业等数据。 |
|
HA Manager |
管理Loader Server进程的主备状态，Loader Server包含2个节点，以主备方式部署。 |
Loader通过MapReduce作业实现并行的导入或者导出作业任务，不同类型的导入导出作业可能只包含Map阶段或者同时Map和Reduce阶段。
Loader同时利用MapReduce实现容错，在作业任务执行失败时，可以重新调度。
- 数据导入到HBase
在MapReduce作业的Map阶段中从外部数据源抽取数据。
在MapReduce作业的Reduce阶段中，按Region的个数启动同样个数的Reduce Task，Reduce Task从Map接收数据，然后按Region生成HFile，存放在HDFS临时目录中。
在MapReduce作业的提交阶段，将HFile从临时目录迁移到HBase目录中。
- 数据导入HDFS
在MapReduce作业的Map阶段中从外部数据源抽取数据，并将数据输出到HDFS临时目录下（以“输出目录-ldtmp”命名）。
在MapReduce作业的提交阶段，将文件从临时目录迁移到输出目录中。
- 数据导出到关系型数据库
在MapReduce作业的Map阶段，从HDFS或者HBase中抽取数据，然后将数据通过JDBC接口插入到临时表（Staging Table）中。
在MapReduce作业的提交阶段，将数据从临时表迁移到正式表中。
- 数据导出到文件系统
在MapReduce作业的Map阶段，从HDFS或者HBase中抽取数据，然后将数据写入到文件服务器临时目录中。
在MapReduce作业的提交阶段，将文件从临时目录迁移到正式目录。
Loader的架构和详细原理介绍，请参见：https://sqoop.apache.org/docs/1.99.3/index.html。
