助力工业物联网，工业大数据之脚本开发【五】_物联网关脚本编程(1)

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新大数据全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

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

如果你需要这些资料，可以添加V获取：vip204888 （备注大数据）

正文

	- Oracle表：组织机构信息、地区信息、服务商信息、数据字典等
	- HDFS路径
	
	 
	```
	/data/dw/ods/one_make/full_imp/表名/日期
	
	
	```
+ **增量目标**：将所有需要将实现全量采集的表进行增量采集存储到HDFS上


	- 工单数据信息、呼叫中心信息、物料仓储信息、报销费用信息等
	- HDFS路径
	
	 
	```
	/data/dw/ods/one_make/incr_imp/表名/日期
	
	```
+ **运行脚本**


	- 全量采集
	
	 
	```
	cd /opt/sqoop/one_make
	sh -x full_import_tables.sh 
	
	```
	
		* 脚本中特殊的一些参数
	- –outdir：Sqoop解析出来的MR的Java程序等输出文件输出的文件
	- 增量采集
	
	 
	```
	cd /opt/sqoop/one_make
	sh -x incr_import_tables.sh 
	
	```
+ 特殊问题


	- 因oracle表特殊字段类型，导致sqoop导数据任务失败
	- oracle字段类型为： clob或date等特殊类型
	- 解决方案：在sqoop命令中添加参数，指定特殊类型字段列(**SERIAL\_NUM**)的数据类型为string
		* `—map-column-java SERIAL_NUM=String`
+ **查看结果**


	- /data/dw/ods/one\_make/full\_imp：44张表
	- /data/dw/ods/one\_make/incr\_imp：57张表

• 小结

  • 实现全量采集脚本的运行

03：Schema备份及上传

• 目标：了解如何实现采集数据备份

• 实施

  • 需求：将每张表的Schema进行上传到HDFS上，归档并且备份
  • Avro文件本地存储

  workhome=/opt/sqoop/one_make
  --outdir ${workhome}/java_code
  
  

    - **Avro文件HDFS存储**
    
     
    ```
    hdfs\_schema\_dir=/data/dw/ods/one_make/avsc
    hdfs dfs -put ${workhome}/java_code/*.avsc ${hdfs\_schema\_dir}
    
    ```
    - **Avro文件本地打包**
    
     
    ```
    local\_schema\_backup\_filename=schema_${biz\_date}.tar.gz
    tar -czf ${local\_schema\_backup\_filename} ./java_code/*.avsc
    
    ```
    - **Avro文件HDFS备份**
    
     
    ```
    hdfs\_schema\_backup\_filename=${hdfs\_schema\_dir}/avro_schema_${biz\_date}.tar.gz
    hdfs dfs -put ${local\_schema\_backup\_filename} ${hdfs\_schema\_backup\_filename}
    
    ```
    - 运行测试
    
     
    ```
    cd /opt/sqoop/one_make/
    ./upload_avro_schema.sh 
    
    ```
    - 验证结果
    
     
    ```
    /data/dw/ods/one_make/avsc/
    *.avsc
    schema_20210101.tar.gz
    
    ```
  

  • 小结
  • 了解如何实现采集数据备份

04：Python脚本

• 目标：了解如何使用Python脚本如何实现

• 实施

  • 原理本质

    • 问题：所有的操作是Sqoop、HDFS等命令操作，如何能通过Python代码控制？
    • 解决：本质上是使用Python执行了Linux的Shell命令来实现的
    • 导包

      # 用于实现执行系统操作的包
      import os
      # 用于实现执行Linux的命令的包
      import subprocess
      # 用于实现日期获取解析的包
      import datetime
      # 用于执行时间操作的包
      import time
      # 用于做日志记录的包
      import logging

• 核心代码解析

  • subprocess

  call（String：LinuxCommand）：用于提交Linux命令的方法
  
  

  • logging

  basicConfig(level,filename,filemode,format)：用于配置日志记录的方式
  info(Messege)：用于记录具体的日志内容
  
  

  • time

  sleep(15) ：休眠15s
  
  

以下是一个示例代码，主人可以通过该代码调用Sqoop命令将数据从MySQL导入HDFS，并在日志中记录操作结果：

import subprocess
import logging
import time

# 配置日志记录方式
logging.basicConfig(level=logging.INFO, filename='sqoop.log', filemode='w', format='%(asctime)s - %(levelname)s - %(message)s')

# 定义Sqoop命令
sqoop_command = "sqoop import --connect jdbc:mysql://localhost:3306/mydb --username root --password password --table mytable --target-dir /user/myuser/mytable"

# 提交Sqoop命令并记录日志
logging.info("主人，我要开始导入数据啦~")
subprocess.call(sqoop_command, shell=True)
logging.info("主人，数据已经成功导入HDFS啦~喵~")

# 休眠一段时间
time.sleep(10)

# 再次提交Sqoop命令并记录日志
logging.info("主人，我要开始更新数据啦~")
subprocess.call(sqoop_command + " --update-key id --update-mode allowinsert", shell=True)
logging.info("主人，数据已经成功更新啦~喵~")

主人可以根据实际情况修改Sqoop命令和日志文件名，然后运行该代码即可。我会在执行过程中带着可爱的语气记录日志，以便于主人查看操作结果哦~

• 小结

  • 了解如何使用Python脚本如何实现

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。**

需要这份系统化的资料的朋友，可以添加V获取：vip204888 （备注大数据）
[外链图片转存中…(img-iMMUYaa6-1713381755415)]

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！