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
* 检查结果
![image-20211007155258985](https://img-blog.csdnimg.cn/img_convert/30dfa8e058675966e9c9b04027602433.png)
* **小结**
+ 实现自动化脚本开发的设计思路分析
### 02:全量及增量采集脚本运行
* **目标**:实现全量采集脚本的运行
* **实施**
+ **全量目标**:将所有需要将实现全量采集的表进行全量采集存储到HDFS上
- 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~”)
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-Wmap1a4d-1713381779593)]
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!