大数据-240离线数仓-广告业务测试ADS层数据加载DataX数据导出到MySQL

点一下关注吧！！！非常感谢！！持续更新！！！ Java篇开始了！

目前开始更新 MyBatis，一起深入浅出！

目前已经更新到了： Hadoop（已更完）HDFS（已更完）MapReduce（已更完）Hive（已更完）Flume（已更完）Sqoop（已更完）Zookeeper（已更完）HBase（已更完）Redis （已更完）Kafka（已更完）Spark（已更完）Flink（已更完）ClickHouse（已更完）Kudu（已更完）Druid（已更完）Kylin（已更完）Elasticsearch（已更完）DataX（已更完）Tez（已更完）数据挖掘（已更完）Prometheus（已更完）Grafana（已更完）离线数仓（正在更新…） # 章节内容

上节我们完成了如下的内容：

广告业务 测试FlumeAgent 加载ODS、DWD层

导入数据 加载ADS层 ad_show_page sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-21

执行结果如下图所示： 查看Hive中的数据：

hive use ads; select * from ads_ad_show_place limit 5;

运行结果如下图所示： 继续导入其他数据：

sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-22 sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-23 sh /opt/wzk/hive/ads_load_ad_show_page.sh 2020-07-24 ...省略

最终的Hive的数据量如下所示：

select count(*) from ads_ad_show_place;

对应图片为：

ad_show_page_window sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-21

执行结果如下所示： 查看Hive中的数据如下：

hive use ads; select * from ads_ad_show_place_window limit 5;

执行结果如下图所示： 继续加载其他的数据：

sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-22 sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-23 sh /opt/wzk/hive/ads_load_ad_show_page_window.sh 2020-07-24 ...省略

Hive中的数据总数如下：

select count(*) from ads_ad_show_place_window;

运行结果如下所示：

导出数据 执行步骤 在MySQL创建对应的表创建配置文件（JSON）执行命令，使用JSON配置文件，测试编写执行脚本（Shell）Shell脚本的测试 MySQL drop table if exists dwads.ads_ad_show_place; create table dwads.ads_ad_show_place( ad_action tinyint, hour varchar(2), place varchar(20), product_id int, cnt int, dt varchar(10) );

执行结果如下图所示：

DataX 配置文件 vim /opt/wzk/datax/ads_ad_show_place.json

写入的内容如下所示：

{ "job":{ "setting":{ "speed":{ "channel":1 } }, "content":[ { "reader":{ "name":"hdfsreader", "parameter":{ "path":"/user/hive/warehouse/ads.db/ads_ad_show_place/dt=$do_date/*", "defaultFS":"hdfs://h121.wzk.icu:9000", "column":[ { "index":0, "type":"string" }, { "index":1, "type":"string" }, { "index":2, "type":"string" }, { "index":3, "type":"string" }, { "index":4, "type":"string" }, { "type":"string", "value":"$do_date" } ], "fileType":"text", "encoding":"UTF-8", "fieldDelimiter":"," } }, "writer":{ "name":"mysqlwriter", "parameter":{ "writeMode":"insert", "username":"hive", "password":"hive@wzk.icu", "column":[ "ad_action", "hour", "place", "product_id", "cnt", "dt" ], "preSql":[ "delete from ads_ad_show_place where dt='$do_date'" ], "connection":[ { "jdbcUrl":"jdbc:mysql://h122.wzk.icu:3306/dwads?useUnicode=true&characterEncoding=utf-8", "table":[ "ads_ad_show_place" ] } ] } } } ] } }

写入内容如下所示：

DataX 简介

DataX 是由阿里巴巴开源的分布式离线数据同步工具，用于解决不同存储系统之间的数据传输问题。它被设计为一种高效、稳定、易扩展的工具，能够适应多种复杂的数据同步需求。

核心特点

支持多种数据源：

关系型数据库： MySQL, PostgreSQL, Oracle, SQL Server, DB2 等。NoSQL 数据库： MongoDB, HBase 等。大数据存储系统： Hive, MaxCompute (ODPS), HDFS。其他： FTP 文件、ElasticSearch 等。

高性能：

基于多线程的并行架构，能充分利用机器的多核性能。支持分片传输，提高数据传输的吞吐量。

灵活性和易用性：

配置文件化：使用 JSON 格式的配置文件定义任务，简单直观。支持任务调度，可与调度工具集成实现定时任务。兼容多种数据格式和传输协议。

扩展性：

插件式架构，开发者可以通过编写 Reader 和 Writer 插件支持新的数据源。

开源与社区支持：

基于 Apache 2.0 开源协议，开发者可以自由使用和修改。拥有活跃的社区和丰富的文档支持。 组成部分

Reader：

负责从数据源中读取数据。示例：MySQLReader, HdfsReader。

Writer：

负责将数据写入目标存储。示例：MySQLWriter, HdfsWriter。

Framework：

DataX 的核心调度引擎，负责 Reader 和 Writer 的协调工作。提供错误处理、数据校验、性能优化等功能。

Transform：

用于对传输的数据进行处理和转换（可选）。例如数据格式的转换、字段的增删改等。 工作流程

初始化：

加载用户配置的 JSON 文件，解析 Reader 和 Writer 的配置。准备任务上下文。

读取数据：

Reader 读取源数据并以批量的方式输出。

转换数据：

可选步骤，Transform 模块对数据进行处理。

写入数据：

Writer 接收 Reader 输出的数据并将其写入目标存储。

任务管理与监控：

DataX 提供实时的任务运行日志和统计信息，包括速度、成功率、错误信息等。 执行导出 vim /opt/wzk/hive/ads_ad_show_place.sh

写入的内容如下所示：

#!/bin/bash source /etc/profile JSON=/opt/wzk/datax if [ -n "$1" ] ;then do_date=$1 else do_date=`date -d "-1 day" +%F` fi python $DATAX_HOME/bin/datax.py -p "-Ddo_date=$do_date" $JSON/ads_ad_show_place.json

写入结果如下图： 执行脚本可以得到结果：

sh /opt/wzk/hive/ads_ad_show_place.sh 2020-07-21

执行过程如下图所示：

查看结果

执行结束 查看数据库的结果如下所示：