文档首页/ MapReduce服务 MRS/ 组件操作指南（LTS版）(巴黎区域)/ 使用Loader/ 数据导出/ 典型场景：从Spark导出数据到关系型数据库
更新时间：2022-12-14 GMT+08:00
查看PDF
分享

典型场景：从Spark导出数据到关系型数据库

操作场景

该任务指导用户使用Loader将数据从Spark导出到关系型数据库。

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Spark表。
  • 获取关系型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. 获取关系型数据库对应的驱动jar包保存在Loader服务主备节点的lib路径：“${BIGDATA_HOME}/FusionInsight_Porter_8.1.2.2/install/FusionInsight-Sqoop-1.99.3/FusionInsight-Sqoop-1.99.3/server/webapps/loader/WEB-INF/ext-lib”。
    2. 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_8.1.2.2/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

    3. 登录FusionInsight Manager系统，选择“集群 > 待操作集群的名称 > 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FusionInsight Manager。
    2. 选择“集群 > 待操作集群名称 > 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“导出”。
    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。

    dbName

    JDBC驱动程序类

    JDBC驱动类名。

    oracle.jdbc.driver.OracleDriver

    JDBC连接字符串

    JDBC连接字符串。

    jdbc:oracle:thin:@//10.16.0.1:1521/oradb

    用户名

    连接数据库使用的用户名。

    omm

    密码

    连接数据库使用的密码。

    xxxx

    JDBC连接属性

    JDBC连接属性，单击“添加”手动添加。

    • 名称：连接属性名
    • 值：连接属性值
    • 名称：socketTimeout
    • 值：20

    设置数据源信息

  4. 单击“下一步”，进入“输入设置”界面，在“源文件类型”中选择“SPARK”，设置数据源信息。

    表2 数据源配置参数说明

    参数名

    解释说明

    示例

    Spark实例

    在Spark作业中，Loader支持从集群可添加的所有Spark服务实例中选择任意一个。如果选定的Spark服务实例在集群中未添加，则此作业无法正常运行。

    spark

    个数

    配置数据操作的MapReduce任务中同时启动的map数量。参数值必须小于或等于“3000”。

    20

    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

    Spark输入

    表输出
    图3 算子操作方法示意

    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，设置数据保存方式。

    表4 输出设置参数

    参数名

    说明

    示例

    架构名称

    数据库模式名。

    dbo

    表名

    数据库表名，用于最终保存传输的数据。

    说明：

    表名可以使用宏定义，具体请参考配置项中使用宏定义。

    test

    临时表

    数据库临时表表名，用于临时保存传输过程中的数据，字段需要和“表名”配置的表一致。

    说明：

    使用临时表是为了使得导出数据到数据库时，不会在目的表中产生脏数据。只有在所有数据成功写入临时表后，才会将数据从临时表迁移到目的表。使用临时表会增加作业的执行时间。

    tmp_test

  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

父主题： 数据导出