01：脚本开发思路

• 目标：实现自动化脚本开发的设计思路分析

• 路径

  • step1：脚本目标

  • step2：实现流程

  • step3：脚本选型

  • step4：单个测试

• 实施

  • 创建一个文件，存放要采集的表的名称

    #创建测试目录
    mkdir -p /opt/datas/shell
    cd /opt/datas/shell/
    #创建存放表名的文件
    vim test_full_table.txt

    ciss4.ciss_base_areas
    ciss4.ciss_base_baseinfo
    ciss4.ciss_base_csp
    ciss4.ciss_base_customer
    ciss4.ciss_base_device

  • 创建脚本

    vim test_full_import_table.sh

  • 构建采集的Sqoop命令

    sqoop import \
    -Dmapreduce.job.user.classpath.first=true \
    --connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin \
    --username ciss \
    --password 123456 \
    --table CISS4.CISS_SERVICE_WORKORDER \
    --delete-target-dir \
    --target-dir /test/full_imp/ciss4.ciss_service_workorder \
    --as-avrodatafile \
    --fields-terminated-by "\001" \
    -m 1

  • 封装脚本

    #!/bin/bash
    #export path
    source /etc/profile
    #export the tbname files
    TB_NAME=/opt/datas/shell/test_full_table.txt
    #export the import opt
    IMP_OPT="sqoop import -Dmapreduce.job.user.classpath.first=true"
    #export the jdbc opt
    JDBC_OPT="--connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin --username ciss --password 123456"
    
    #read tbname and exec sqoop
    while read tbname
    do
      ${IMP_OPT} ${JDBC_OPT} --table ${tbname^^} --delete-target-dir --target-dir /test/full_imp/${tbname^^} --as-avrodatafile --fields-terminated-by "\001" -m 1
    done < ${TB_NAME}

  • Shell：Linux原生Shell脚本，命令功能全面丰富，主要用于实现自动化Linux指令，适合于Linux中简单的自动化任务开发

  • Python：多平台可移植兼容脚本，自身库功能强大，主要用于爬虫、数据科学分析计算等，适合于复杂逻辑的处理计算场景

  • 场景：一般100行以内的代码建议用Shell，超过100行的代码建议用Python

  • 采集脚本选用：Shell

  • a. 获取表名

  • b.构建Sqoop命令

  • c.执行Sqoop命令

  • d.验证结果

  • 脚本目标：实现自动化将多张Oracle中的数据表全量或者增量采集同步到HDFS中

  • 实现流程

  • 脚本选型

  • 单个测试

• 添加执行权限

  chmod u+x test_full_import_table.sh

• 测试执行

  sh -x test_full_import_table.sh

• 检查结果

  

• 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

  • /data/dw/ods/one_make/full_imp：44张表

  • /data/dw/ods/one_make/incr_imp：57张表

  • 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

  • 全量采集

    cd /opt/sqoop/one_make
    sh -x full_import_tables.sh

  • --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

  • 脚本中特殊的一些参数

  • 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

  • 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

  • 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

  • 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

  • 运行脚本

  • 特殊问题

  • 查看结果

• 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

  • 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

  • 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

  • 小结

  • 了解如何实现采集数据备份

04：Python脚本

• 目标：了解如果使用Python脚本如何实现

• 实施

  • 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

  • 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

  • 原理本质

  • 核心代码解析

• 小结

  • 了解如果使用Python脚本如何实现