如何每日增量加载数据到Hive分区表

    xiaoxiao2022-07-04  151

    加载数据

    数据加载到Hive分区表(两个分区,日期(20160316)和小时(10))中 每日加载前一天的日志文件数据到表db_track.track_log

    1. 数据存储

    数据日志文件,放入某个目录下,每天日志文件放入同一个目录 eg: 20160316 - 目录名称

    日志文件数据,每个小时生成一个文件,一天总共有二十四个文件 eg: 2016031820

    2. shell脚本编写

    负责调度的shell脚本load_tracklogs.sh注:这里涉及到了两个点:1)for循环 2) linux下字符串的截取${line:0:4} 3) 传递参数到hive的sql脚本

    #!/bin/sh ## 环境变量生效 . /etc/profile ## HIVE HOME HIVE_HOME=/opt/cdh5.3.6/hive-0.13.1-cdh5.3.6 ## 日志目录 LOG_DIR=/data/tracklogs ## 目录名称, 依据日期date获取 yesterday=`date -d -1days '+%Y%m%d'` ### for line in `ls $LOG_DIR/${yesterday}` do echo "loading $line .............." #从文件名称中解析出日期和小时 daily=${line:0:4}${line:4:2}${line:6:2} hour=${line:8:2} LOAD_FILE=${LOG_DIR}/${yesterday}/${line} ### echo $daily + $hour ### ${HIVE_HOME}/bin/hive -e "LOAD DATA LOCAL INPATH '${LOAD_FILE}' OVERWRITE INTO TABLE db_track.track_log PARTITION(date = '${daily}', hour = '${hour}') ;" ${HIVE_HOME}/bin/hive --hiveconf LOAD_FILE_PARAM=${LOAD_FILE} --hiveconf daily_param=${daily} --hiveconf hour_param=${hour} -f /home/hadoop/load_data.sql done

    负责加载数据的sql脚本注: 怎么在HQL脚本中获取外接传递的参数

    LOAD DATA LOCAL INPATH '${hiveconf:LOAD_FILE_PARAM}' OVERWRITE INTO TABLE db_track.track_log PARTITION(date = '${hiveconf:daily_param}', hour = '${hiveconf:hour_param}') ;

    制定每天定时执行 可以在当前用户下直接创建:crontab -e注:crontab中的五个 *号分别代表分,时,日,月,周,下面的例子就是每天晚上1点30运行任务的例子,注意sh命令前一般需要加上绝对路径

    # LODAD DATA INTO TRACK_LOG 30 1 * * * /bin/sh /home/hadoop/load_tracklogs.sh

    参考:https://www.cnblogs.com/raymoc/p/5321851.html

    最新回复(0)