Datax入门案例

bigdata_zh

已于 2024-04-04 22:50:57 修改

阅读量691

点赞数 8

文章标签： json

于 2024-04-04 22:49:46 首次发布

本文链接：https://blog.csdn.net/m0_63069778/article/details/137347689

版权

首先，确保已经安装好mysql和datax。本案例实现从mysql同步数据到hive，从hive同步数据到datax。

mysql字符格式设置（可跳过）

如果mysql中数据有中文字符串，需要设置对应格式为utf-8，否则在写入数据的时候会报错。先查看以下配置的格式

show variables like 'character%';

需要将其修改为utf8，我的mysql通过rpm安装，修改目录的位置在 /etc/my.cnf

添加这一行配置，从客户端的查询结果中复制粘贴即可。

重启服务

service mysqld restart

启动mysql，再次查询

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

{
    "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"
                                ]
                            }
                        ]
                    }
                }
            }
        ]
    }
}