典型场景：从HDFS/OBS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HDFS/OBS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“导出”。
- 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，在“源文件类型”中选择“HDFS”，设置数据源信息。
表2 数据来源配置参数 参数名
解释说明
示例
输入目录
从HDFS/OBS导出时的输入路径。
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。“输入目录”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。
- “?”匹配单个字符。
- “*”配置多个字符。
- 在匹配条件前加“^”表示取反，即文件过滤。
*
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。
- “?”匹配单个字符。
- “*”配置多个字符。
- 在匹配条件前加“^”表示取反，即文件过滤。
*
文件类型
文件导入类型：
- “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，不对文件做任何处理。
说明：文件类型选择“TEXT_FILE”或“SEQUENCE_FILE”导入时，Loader会自动根据文件的后缀选择对应的解压方法，对文件进行解压。
TEXT_FILE
文件分割方式
选择按文件或大小分割源文件，作为数据导出的MapReduce任务中各个map的输入文件。
- 选择“FILE”，表示按文件分割源文件，即每个map处理一个或多个完整的源文件，同一个源文件不可分配至不同map，完成数据导入后保持源文件的目录结构。
- 选择“SIZE”，表示按大小分割源文件，即每个map处理一定大小的输入文件，同一个源文件可分割至多个map，数据保存至输出目录时保存的文件数与map数量相同，文件名格式为“import_part_xxxx”，“xxxx”为系统生成的随机数，具有唯一性。
FILE
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。
20
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”。
-
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“CSV文件输入”或者“HTML输入”或者“固定宽度文件输入”拖拽到网格中，在“输出”中把“表输出”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，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
- 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
