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!