全国职业院校技能大赛-大数据 离线数据处理模块-数据抽取

子任务1：数据抽取

编写Scala代码，使用Spark将MySQL库中表EnvironmentData，ChangeRecord，BaseMachine，MachineData,ProduceRecord全量抽取到Hive的ods库中对应表environmentdata，changerecord，basemachine， machinedata， producerecord中。

1. 抽取MySQL的shtd_industry库中EnvironmentData表的全量数据进入Hive的ods库中表environmentdata，字段排序、类型不变，同时添加静态分区，分区字段为etldate，类型为String，且值为当前比赛日的前一天日期（分区字段格式为yyyyMMdd）。使用hive cli执行show partitions ods.environmentdata命令，将结果截图粘贴至客户端桌面【Release\任务B提交结果.docx】中对应的任务序号下；

   import org.apache.spark.SparkConf
   import org.apache.spark.sql.functions.{current_date, date_format, date_sub}
   import org.apache.spark.sql.{DataFrame, SparkSession}
   
   object SparkReadMysqlWriteODS {
     def main(args: Array[String]): Unit = {
   
       System.setProperty("HADOOP_USER_NAME", "root")
   
       // 创建sparkSession对象
       val conf = new SparkConf().setMaster("local[*]").setAppName("spark")
       val spark: SparkSession = SparkSession.builder().config(conf).enableHiveSupport().getOrCreate()
   
       // 启动动态分区
       spark.conf.set("hive.exec.dynamic.partition.mode", "nonstrict")
       // 关闭日志打印
       spark.sparkContext.setLogLevel("OFF")
   
       // 连接mysql数据库
       val df = spark.read
         .format("jdbc")
         .option("driver", "com.mysql.jdbc.Driver")
         .option("url", "jdbc:mysql://hadoop102:3306/shtd_industry?characterEncoding=utf8&useSSL=false")
         .option("user", "root")
         .option("password", "123456")
         .option("dbtable", "EnvironmentData")
         .load()
   
       df.createTempView("ods")
       val dataframe: DataFrame = spark.sql("select * from ods")
   
   
       // 添加分区字段
       val frame = df1.withColumn("etldate", date_format(date_sub(current_date(), 1), "yyyyMMdd"))
   
       // 将添加过分区字段的数据写入到ods库中的environmentdata中
       frame.write
         .mode("overwrite")
         .partitionBy("etldate")
         .saveAsTable("ods.environmentdata")
   
       // 打印分区字段
       spark.sql("show partitions ods.environmentdata")
   
       // 关闭spark连接
       spark.close()
     }
   }

2. 抽取MySQL的shtd_industry库中ChangeRecord表的全量数据进入Hive的ods库中表changerecord，字段排序、类型不变，同时添加静态分区，分区字段为etldate，类型为String，且值为当前比赛日的前一天日期（分区字段格式为yyyyMMdd）。使用hive cli执行show partitions ods.changerecord命令，将结果截图粘贴至客户端桌面【Release\任务B提交结果.docx】中对应的任务序号下；

   import org.apache.spark.SparkConf
   import org.apache.spark.sql.functions.{current_date, date_format, date_sub}
   import org.apache.spark.sql.{DataFrame, SparkSession}
   
   object SparkReadMysqlWriteODS {
     def main(args: Array[String]): Unit = {
   
       System.setProperty("HADOOP_USER_NAME", "root")
   
       // 创建sparkSession对象
       val conf = new SparkConf().setMaster("local[*]").setAppName("spark")
       val spark: SparkSession = SparkSession.builder().config(conf).enableHiveSupport().getOrCreate()
   
       // 启动动态分区
       spark.conf.set("hive.exec.dynamic.partition.mode", "nonstrict")
       // 关闭日志打印
       spark.sparkContext.setLogLevel("OFF")
   
       // 连接mysql数据库
       val df = spark.read
         .format("jdbc")
         .option("driver", "com.mysql.jdbc.Driver")
         .option("url", "jdbc:mysql://hadoop102:3306/shtd_industry?characterEncoding=utf8&useSSL=false")
         .option("user", "root")
         .option("password", "123456")
         .option("dbtable", "EnvironmentData")
         .load()
   
       df.createTempView("ods")
       val dataframe: DataFrame = spark.sql("select * from ods")
   
   
       // 添加分区字段
       val frame = df1.withColumn("etldate", date_format(date_sub(current_date(), 1), "yyyyMMdd"))
   
       // 将添加过分区字段的数据写入到ods库中的environmentdata中
       frame.write
         .mode("overwrite")
         .partitionBy("etldate")
         .saveAsTable("ods.environmentdata")
   
       // 打印分区字段
       spark.sql("show partitions ods.environmentdata2")
   
       // 关闭spark连接
       spark.close()
     }
   }

数据抽取的题目的代码是非常相似的，只要掌握创建spark对象和连接mysql的方法，那么抽取数据到ods层就不是很难了

其他题目只需要修改读取的库和写入的表名就可以了