Sqoop & Flume

一、数据采集引擎

    1、准备实验环境: 准备Oracle数据库
                      用户：sh  表：sales 订单表（92万）
    
    2、Sqoop：采集关系型数据库中的数据
               用在离线计算的应用中
               强调：批量
               （1）数据交换引擎： RDBMS  <--->  Sqoop <---> HDFS、HBase、Hive
               （2）底层依赖MapReduce
               （3）依赖JDBC
               （4）安装：tar -zxvf sqoop-1.4.5.bin__hadoop-0.23.tar.gz -C ~/training/
                    设置环境变量：
                    SQOOP_HOME=/root/training/sqoop-1.4.5.bin__hadoop-0.23
                    export SQOOP_HOME

                    PATH=$SQOOP_HOME/bin:$PATH
                    export PATH
                    
                注意：如果是Oracle数据库，大写：用户名、表名、列名
                    
          （*）codegen            Generate code to interact with database records
                根据表结构自动生成对应Java类
                sqoop codegen --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SCOTT --password tiger --table EMP --outdir /root/sqoop
          
          
          （*）create-hive-table  Import a table definition into Hive
          
          （*）eval               Evaluate a SQL statement and display the results
                在Sqoop中执行SQL
                sqoop eval --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SCOTT --password tiger --query 'select * from emp'
          
          （*）export             Export an HDFS directory to a database table
          
          （*）help               List available commands
          
          （*）import             Import a table from a database to HDFS
                导入数据
                (1)导入EMP表的所有数据(HDFS上)
                sqoop import --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SCOTT --password tiger --table EMP --target-dir /sqoop/import/emp1    
                
                (2)导入指定的列
                    sqoop import --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SCOTT --password tiger --table EMP --columns ENAME,SAL  --target-dir /sqoop/import/emp2    

                (3) 导入订单表
                sqoop import --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SH --password sh --table SALES --target-dir /sqoop/import/sales -m 1
                错误：ERROR tool.ImportTool: Error during import: No primary key could be found for table SALES. Please specify one with --split-by or perform a sequential import with '-m 1'.
          
          
          （*）import-all-tables  Import tables from a database to HDFS
                导入某个用户下所有的表，默认路径：/user/root
                sqoop import-all-tables --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SCOTT --password tiger          
          
          （*）job                Work with saved jobs
          
          （*）list-databases     List available databases on a server
                (*) MySQL数据库：就是数据库的名字
                (*) Oracle数据库：是数据库中所有用户的名字
                sqoop list-databases --connect jdbc:oracle:thin:@192.168.157.163:1521/orcl --username SYSTEM --password password
          
          
          （*）list-tables        List available tables in a database
          （*）merge              Merge results of incremental imports
          （*）metastore          Run a standalone Sqoop metastore
          （*）version            Display version information
    
    3、Flume：采集日志

链接：https://pan.baidu.com/s/1miuxdCs 密码：dp3b

               用在实时计算（流式计算）的应用中
               强调：实时

#bin/flume-ng agent -n a4 -f myagent/a4.conf -c conf -Dflume.root.logger=INFO,console

myagent/a4.conf:
#定义agent名， source、channel、sink的名称
a4.sources = r1
a4.channels = c1
a4.sinks = k1

#具体定义source
a4.sources.r1.type = spooldir
a4.sources.r1.spoolDir = /root/training/logs

#具体定义channel
a4.channels.c1.type = memory
a4.channels.c1.capacity = 10000
a4.channels.c1.transactionCapacity = 100

#定义拦截器，为消息添加时间戳
a4.sources.r1.interceptors = i1
a4.sources.r1.interceptors.i1.type = org.apache.flume.interceptor.TimestampInterceptor$Builder

#具体定义sink
a4.sinks.k1.type = hdfs
a4.sinks.k1.hdfs.path = hdfs://192.168.157.11:9000/flume/%Y%m%d
a4.sinks.k1.hdfs.filePrefix = events-
a4.sinks.k1.hdfs.fileType = DataStream

#不按照条数生成文件
a4.sinks.k1.hdfs.rollCount = 0
#HDFS上的文件达到128M时生成一个文件
a4.sinks.k1.hdfs.rollSize = 134217728
#HDFS上的文件达到60秒生成一个文件
a4.sinks.k1.hdfs.rollInterval = 60

#组装source、channel、sink
a4.sources.r1.channels = c1
a4.sinks.k1.channel = c1

二、HUE

三、ZooKeeper