更新时间:2024-05-11 GMT+08:00

典型场景:从HDFS导入数据到ClickHouse

操作场景

该任务指导用户使用Loader将文件从HDFS导入到ClickHouse。

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目录和数据。
  • ClickHouse相关表已创建,并确保用户已授权访问作业执行时操作该表的权限。
  • 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HDFS导入数据时,确保HDFS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FusionInsight Manager(MRS 3.x及之后版本)
    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. “名称”中输入作业的名称。
    2. “类型”中选择“导入”
    3. “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. “队列”中选择执行该作业的YARN队列。默认值“root.default”
    5. “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”“VERY_HIGH”

  3. “连接”区域,单击“添加”新建一个的连接,在“连接器”中选择“hdfs-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”

设置数据源信息

  1. 单击“下一步”,进入“输入设置”界面,设置数据源信息。

    表1 输入设置参数

    参数名

    说明

    示例

    输入路径

    HDFS中源文件的输入路径。

    说明:

    路径参数可以使用宏定义,具体请参考配置项中使用宏定义

    /user/test

    路径过滤器

    配置通配符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。配置多个过滤条件时使用“,”隔开,配置为空时表示不过滤目录。不支持正则表达式过滤。

    *

    文件过滤器

    配置通配符对源文件的输入文件名进行过滤。配置多个过滤条件时使用“,”隔开。不能配置为空。不支持正则表达式过滤。

    *

    编码类型

    源文件的编码格式,如UTF-8。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,表示不加后缀。

    .log

设置数据转换

  1. 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表2

    表2 算子输入、输出参数设置

    输入类型

    输出类型

    CSV文件输入

    ClickHouse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

  1. 单击“下一步”,进入“输出设置”界面,根据实际场景在“存储类型”选择“CLICKHOUSE”,设置数据保存方式。

    表3 输出设置参数

    存储类型

    参数名

    说明

    示例

    CLICKHOUSE

    ClickHouse实例

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

    ClickHouse

    导入前清理数据

    导入前清空原表的数据。“True”为执行清空,“False”为不执行。不配置此参数则默认不执行清空。

    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。

    false

    Map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

    Map数据块大小

    ClickHouse不支持此参数,请配置“Map数”

    -

    个数

    Map任务的个数。

    -

  2. 单击“保存并运行”,开始保存并运行作业。

查看作业完成情况

  1. 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

  2. 使用ClickHouse客户端,查询ClickHouse表数据是否和HDFS导入的数据一致。