典型场景:从关系型数据库导入数据到HDFS/OBS
操作场景
该任务指导用户使用Loader将数据从关系型数据库导入到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:
- 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_*/install/FusionInsight-Sqoop-1.99.3/FusionInsight-Sqoop-1.99.3/server/webapps/loader/WEB-INF/ext-lib”。
- 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_*/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
- 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
- 登录“Loader WebUI”界面。
- 登录FusionInsight Manager系统。
- 选择“集群 > 服务 > Loader”。
- 单击“LoaderServer(节点名称,主)”打开“Loader WebUI”界面。
图1 Loader WebUI界面
- 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
- 在“名称”中输入作业的名称。
- 在“类型”中选择“导入”。
- 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。
- 在“队列”中选择执行该作业的YARN队列。默认值“root.default”。
- 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”。
- 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,格式为:jdbc:oracle:thin:@访问数据库IP:访问数据库端口号:数据库名称
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
- 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
架构名称
“表方式”模式下存在,数据库模式名。
public
表名
“表方式”模式下存在,数据库表名。
test
SQL语句
“SQL方式”模式下存在,配置要查询的SQL语句,使Loader可通过SQL语句查询结果并作为导入的数据。SQL语句需要有查询条件“WHERE ${CONDITIONS}”,否则无法正常工作。例如,“select * from TABLE WHERE A>B and ${CONDITIONS}”。如果同时配置“表列名”,SQL语句中查询的列将被“表列名”配置的列代替。不能和“架构名称”、“表名”同时配置。
说明:SQL Where语句可以使用宏定义,具体请参考配置项中使用宏定义。
select * from TABLE WHERE A>B and ${CONDITIONS}
表列名
配置要导入的列,使Loader将列的内容全部导入。配置多个字段时使用“,”分隔。
如果不配置,则导入所有列,同时“Select *”的顺序作为列的位置。
id,name
分区列名
指定数据库表的一列,根据该列来划分要导入的数据,在Map任务中用于分区。建议配置主键字段。
说明:- 分区列必选有索引,如果没有索引,请不要指定分区列,指定没有索引的分区列会导致数据库服务器磁盘I/O繁忙,影响其他业务访问数据库,并且导入时间长。
- 在有索引的多个字段中,选择字段值最离散的字段作为分区列,不离散的分区列会导致多个导入MR任务负载不均衡。
- 分区列的排序规则必须支持大小写敏感,否则在数据导入过程中,可能会出现数据丢失。
- 不建议分区列选择类型为float或double的字段,因为精度问题,可能导致分区列字段的最小值、最大值所在记录无法导入。
id
分区列空值
配置对数据库列中为null值记录的处理方式。
- 值为“true”时,分区列的值为null的数据会被处理;
- 值为“false”时,分区列的值为null的数据不会被处理。
true
是否指定分区列
是否指定分区列。
true
设置数据转换
- 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。
在“输入”中把“表输入”拖拽到网格中,在“输出”中把“文件输出”拖拽到网格中,“输入”与“输出”之间用箭头进行连接。
设置数据保存信息并运行作业
- 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,具体请参考配置项中使用宏定义。
/user/test
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。
-
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。当使用关系型数据库连接器时,不支持“Map数据块大小”,请配置“Map数”。
1000
- 单击“保存并运行”,开始保存并运行作业。
查看作业完成情况
- 进入“Loader WebUI”界面,待“状态”显示“成功”则说明作业完成。
图3 查看作业