Sqoop实现自定义job的增量导入
2024-09-15 02:54:32
需求:redis缓存的数据隔段时间往MySQL中写入一次。如果按照job的增量导入,比如上次redis向mysql导入数据时间为8:00,下一次导入时间为9:00,8:20sqoop进行增量导入,导入的时*~8:20的数据,sqoop把job中的最后导入时间设置为8:20。当9:00redis向mysql再次导入数据,9:20sqoop会将mysql中8:20~9:20数据导入到hive中,那么8:00~8:20的数据没有导入到hive中。
1、批量创建sqoop job:
#!/bin/bash
set -e
#create sqoop jobs
ret=$(cat tables|wc -l) #tables中存放所有表名
i=1
while [ $i -le $ret ]
do
row=$(sed -n "$i,0p" tables)
sqoop job --create "incre_"$row -- import --connect jdbc:mysql://10.9.1.19:3306/db --table $row --username root --password root -m 1 --hive-import --incremental lastmodified --check-column dtTime --last-value '2015-12-02 10:59:56.0'
#此处last--value可以随意指定
i=`expr $i + 1`
done
sqoop job --list
2、批量删除job
#!/bin/bash
set -e
#create sqoop jobs
ret=$(cat tables|wc -l)
i=1
while [ $i -le $ret ]
do
row=$(sed -n "$i,0p" tables)
sqoop job --delete "incre_"$row
i=`expr $i + 1`
done
sqoop job --list
3、查询最后导入到hive中数据的dtTime值
自动增量导入,实现按照某个字段在hive中最后的值开始的导入,而不是按saved job中指定的值
#获取所有tables文件中指定的表的最后dtTime值,并修改sqoop job的元数据,最后执行job
#!/bin/bash
set -e
#set -x
source ~/.bash_profile
SQOOP_METASTORE=/usr/local/sqoop-1.4.6/metastore/meta.db.script
ret=$(cat tables|wc -l)
i=1
while [ $i -le $ret ]
do
row=$(sed -n "$i,0p" tables)
JOB_NAME="incre_"$row
lastedate=$(hive -e "select max(dtTime) from $row")
echo "lastest time:"$lastedate>>/data/incre.log.d/$JOB_NAME.log
#将时间中的.0替换为.1
newdate=$(echo $lastedate|sed 's/\.0/.1/g')
echo "beginning time:"$newdate>>/data/incre.log.d/$JOB_NAME.log
#替换sqoop的元数据
#cat $SQOOP_METASTORE|grep "'$JOB_NAME','incremental.last.value'"|sed "s/20.*-.*.0/$ret/g"
sed -i "s/'$JOB_NAME','incremental.last.value','.*','SqoopOptions'/'$JOB_NAME','incremental.last.value','$newdate','SqoopOptions'/g" $SQOOP_METASTORE
cat $SQOOP_METASTORE|grep "'$JOB_NAME','incremental.last.value'">>/data/incre.log.d/$JOB_NAME.log
sqoop job --exec $JOB_NAME
i=`expr $i + 1`
done
最新文章
- Git的用法
- iOS图表库Charts集成与使用
- AC中保存数据与查询数据
- Linux 命令行模式 你需要知道的那些事
- 报错:'Could not load NIB in bundle: 'NSBundle解决办法
- hdu----(2222)Keywords Search(trie树)
- Logcat中报内存泄漏MemoryLeak的一次分析
- [firefly]暗黑源码解析
- jQuery ui 利用 datepicker插件实现开始日期(minDate)和结束日期(maxDate)
- WordPress SEO ☞ WordPress网站终极优化指南
- 高级UIKit-10(UDPSocket)
- 如何科学地蹭热点:用python爬虫获取热门微博评论并进行情感分析
- WebService的基本介绍
- php密码对称encrypt加密
- npm设置和查看仓库源
- mysql外键使用
- kali蓝牙连接
- javascript 常用获取页面宽高信息 API
- 配置tensorflow环境(anaconda+jupyter notebook)
- Apache 隐藏 index.php,如将 tp5.com/index.php/hello/123 变成 tp5.com/hello/123