2024年最新Datax入门案例，2024年最新大数据开发面试40题

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。

需要这份系统化资料的朋友，可以戳这里获取

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！

可以发现，修改成功。

mysql写入hive

创建以下student表

create database test;
use test;
create table student (id int,name varchar(20),age int);
insert into student values(1,'张三',18),(2,'李四',21),(3,'艾丽丝',20);

hiveDDL

create external table student(id int, name string, age int) row format delimited fields terminated by '\t' location '/datax_demo';

datax json文件配置

{
    "job": {
        "setting": {
            "speed": {
                 "channel": 3
            },
            "errorLimit": {
                "record": 0,
                "percentage": 0.02
            }
        },
        "content": [
            {
                "reader": {
                    "name": "mysqlreader",
                    "parameter": {
                        "username": "root",
                        "password": "123456",
                        "column": [
                            "id",
                            "name",
							"age"
                        ],
                        "connection": [
                            {
                                "table": [
                                    "student"
                                ],
                                "jdbcUrl": [
     "jdbc:mysql://node1:3306/test"
                                ]
                            }
                        ]
                    }
                },
               "writer": {
                    "name": "hdfswriter",
                    "parameter": {
                        "defaultFS": "hdfs://node1:9000",
                        "fileType": "text",
                        "path": "/datax_demo",
                        "fileName": "datax",
                        "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

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。

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

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

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。

运行后在hive中执行查询

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

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

btL0WA-1715647456283)]

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