助力工业物联网，工业大数据之脚本开发【五】

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/shellcd /opt/datas/shell/#创建存放表名的文件vim test_full_table.txt``````ciss4.ciss_base_areasciss4.ciss_base_baseinfociss4.ciss_base_cspciss4.ciss_base_customerciss4.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 pathsource /etc/profile#export the tbname filesTB_NAME=/opt/datas/shell/test_full_table.txt#export the import optIMP_OPT="sqoop import -Dmapreduce.job.user.classpath.first=true"#export the jdbc optJDBC_OPT="--connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin --username ciss --password 123456"#read tbname and exec sqoopwhile read tbnamedo ${IMP_OPT} ${JDBC_OPT} --table ${tbname^^} --delete-target-dir --target-dir /test/full_imp/${tbname^^} --as-avrodatafile --fields-terminated-by "\001" -m 1done < ${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_makesh -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_makesh -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/avschdfs dfs -put ${workhome}/java_code/*.avsc ${hdfs_schema_dir}- Avro文件本地打包local_schema_backup_filename=schema_${biz_date}.tar.gztar -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.gzhdfs 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/*.avscschema_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- subprocesscall（String：LinuxCommand）：用于提交Linux命令的方法- loggingbasicConfig(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- timesleep(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