既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!
由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新
"column": [
{
"name": "id",
"type": "INT"
},
{
"name": "name",
"type": "string"
},
{
"name": "age",
"type": "int"
}
],
"writeMode": "append",
"fieldDelimiter": "\t",
"compress":"gzip"
}
}
}
]
}
}
>
> defaultFS 填namenode通信端口
>
>
> path 必须实现在hdfs中完成创建
>
>
> filename 是文件前缀
>
>
>
直接从官网复制下来修改即可 [GitHub - alibaba/DataX: DataX是阿里云DataWorks数据集成的开源版本。]( ),不需要的配置可以删除,如下
![](https://img-blog.csdnimg.cn/direct/3c26a9d3c4fe4ad58fc20064bb9b0106.png)
需要注意,text的文件类型,压缩格式必须设置GZIP或者BZIP2,否则会报错。如果使用的orc则不会出现这种问题。
![](https://img-blog.csdnimg.cn/direct/71688398ecad4252b9c20dc24d842248.png)
完成建表后,保证hadoop、mysql、hive正常运行,在datax安装目录下执行以下命令(注意,需要修改为自己相应的文件目录)
python /opt/module/datax/bin/datax.py /opt/module/datax/job/test.json
运行后查看结果
![](https://img-blog.csdnimg.cn/direct/b487b32f3fd845d08758bd6ed3191cd9.png)
![](https://img-blog.csdnimg.cn/direct/b9fc6f505cb6408880ba93d943c38cb5.png)
##### 写入指定分区
上面是简单的同步案例,但是hive通常会建分区表,因此我们要考虑怎么将数据读到hive的某一个分区中去,下面我们来实现这个案例。仍然使用mysql的student表,在hive中建一个分区表student2;
create external table student2(id int, name string, age int)
partitioned by (dt string)
row format delimited fields terminated by ‘\t’ location ‘/datax_demo’;
insert into student2 partition(dt=‘2024-04-04’) select 1,‘lily’,19;
>
> 需要注意一点,如果没有执行上面的insert语句,那么在执行datax任务前一定要收到在hdfs里建好文件。
>
>
>
datax的json文件配置仅需要修改hdfs中的writer的path配置
![](https://img-blog.csdnimg.cn/direct/86ccee4256f848749a17f4594d79385d.png)
设置一个灵活的传参方式,执行示例如下
python bin/datax.py -p"-Ddt=dt=2024-04-04" job/test_pt.json
>
> 注意,-p后面传入的是参数名和参数值,而这个文件值需要与hdfs中的文件名保持一致。
>
>
>
![](https://img-blog.csdnimg.cn/direct/332d26e4006b434f9e07829eb23b3df5.png)
运行后在hive中执行查询
![](https://img-blog.csdnimg.cn/direct/4b714a11b91e4614b9c0a9ae3448fb32.png)
### hive写入mysql
hive的表就使用student2即可,建议写入前将之前insert的00000文件删掉。
mysql DDL
create table if not exists sync_student(id int, name varchar(20), age int);
json文件
{
“job”: {
“setting”: {
“speed”: {
“channel”: 3
}
},
“content”: [
{
“reader”: {
“name”: “hdfsreader”,
“parameter”: {
“path”: “/datax_demo/${dt}/*”,
“defaultFS”: “hdfs://node1:9000”,
“column”: [
{
“type”: “string”,
“index”: 0
},
{
"type": "string",
"index": 1
},
{
"type": "string",
"index": 2
}
],
"fileType": "text",
"encoding": "UTF-8",
"fieldDelimiter": "\t",
"compress":"gzip"
}
},
"writer": {
"name": "mysqlwriter",
"parameter": {
"writeMode": "insert",
"username": "root",
"password": "123456",
"column": [
"id",
"name",
"age"
],
"preSql": [
"truncate table sync_student"
],
"connection": [
{
"jdbcUrl": "jdbc:mysql://node1:3306/test?useSSL=false&allowPublicKeyRetrieval=true&useUnicode=true&characterEncoding=utf-8",
"table": [
"sync_student"
]
}
]
}
}
}
]
}
}
>
> 注意一点,hdfs reader中的数据类型都设置为string,虽然id和age是int类型,但是写成int会报错脏数据,string不会。
>
>
>
![img](https://img-blog.csdnimg.cn/img_convert/91cbfc03d9ab477a83f42ff61620af94.png)
![img](https://img-blog.csdnimg.cn/img_convert/a3588cee4f5515b7c9d4130946ec2e3c.png)
![img](https://img-blog.csdnimg.cn/img_convert/976db6676a01869f57eff2898ed5032c.png)
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**
**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**
**既有适合小白学习的零基础资料,也有适合3年以上经验的小伙伴深入学习提升的进阶课程,涵盖了95%以上大数据知识点,真正体系化!**
**由于文件比较多,这里只是将部分目录截图出来,全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频,并且后续会持续更新**
**[需要这份系统化资料的朋友,可以戳这里获取](https://bbs.csdn.net/forums/4f45ff00ff254613a03fab5e56a57acb)**