云服务器内容精选

华为云首页用户手册

使用Loader

MAPREDUCE服务 MRS-Loader数据导入导出概述:Loader数据导出简介

Loader数据导出简介 Loader支持将数据或者文件从 MRS 系统中导出到关系型数据库或文件系统中，Loader支持如下数据导出方式：从HDFS/OBS中导出数据到SFTP服务器从HDFS/OBS中导出数据到关系型数据库从HBase中导出数据到SFTP服务器从HBase中导出数据到关系型数据库从Phoenix表导出数据到SFTP服务器从Phoenix表导出数据到关系型数据库从Hive中导出数据到SFTP服务器从Hive中导出数据到关系数据库从同一集群内HBase导出数据到HDFS/OBS

MAPREDUCE服务 MRS 使用Loader
MAPREDUCE服务 MRS-Loader数据导入导出概述:Loader数据导入简介

Loader数据导入简介 Loader是实现MRS与外部数据源如关系型数据库、SFTP服务器、FTP服务器之间交换数据和文件的ETL工具，支持将数据或文件从关系型数据库或文件系统导入到MRS系统中。 Loader支持如下数据导入方式：从关系型数据库导入数据到HDFS/OBS 从关系型数据库导入数据到HBase 从关系型数据库导入数据到Phoenix表从关系型数据库导入数据到Hive表从SFTP服务器导入数据到HDFS/OBS 从SFTP服务器导入数据到HBase 从SFTP服务器导入数据到Phoenix表从SFTP服务器导入数据到Hive表从FTP服务器导入数据到HDFS/OBS 从FTP服务器导入数据到HBase 从FTP服务器导入数据到Phoenix表从FTP服务器导入数据到Hive表从同一集群内HDFS/OBS导入数据到HBase MRS与外部数据源交换数据和文件时需要连接数据源。系统提供以下连接器，用于配置不同类型数据源的连接参数： generic-jdbc-connector：关系型数据库连接器。 ftp-connector：FTP数据源连接器。 hdfs-connector：HDFS数据源连接器。 oracle-connector：Oracle数据库专用连接器，使用row_id作为分区列，相对generic-jdbc-connector来说，Map任务分区更均匀，并且不依赖分区列是否有创建索引。 mysql-fastpath-connector：MYSQL数据库专用连接器，使用MYSQL的mysqldump和mysqlimport工具进行数据的导入导出，相对generic-jdbc-connector来说，导入导出速度更快。 sftp-connector：SFTP数据源连接器。 oracle-partition-connector：支持Oracle分区特性的连接器，专门对Oracle分区表的导入导出进行优化。使用FTP数据源连接器时不加密数据，可能存在安全风险，建议使用SFTP数据源连接器。建议将SFTP服务器、FTP服务器和数据库服务器与Loader部署在独立的子网中，以保障数据安全地导入。与关系数据库连接时，可以选择通用数据库连接器（generic-jdbc-connector）或者专用数据库连接器（oracle-connector、oracle-partition-connector、mysql-fastpath-connector），专用数据库连接器特别针对具体数据库类型进行优化，相对通用数据库连接器来说，导出、导入速度更快。使用mysql-fastpath-connector时，要求在NodeManager节点上有MySQL的mysqldump和mysqlimport命令，并且此两个命令所属MySQL客户端版本与MySQL服务器版本兼容，如果没有这两个命令或版本不兼容，请参考http://dev.mysql.com/doc/refman/5.7/en/linux-installation-rpm.html，安装MySQL client applications and tools。使用oracle-connector时，要求给连接用户赋予如下系统表或者视图的select权限： dba_tab_partitions、dba_constraints、dba_tables 、dba_segments 、v$version、dba_objects、v$instance、SYS_CONTEXT函数、dba_extents、 dba_tab_subpartitions。使用oracle-partition-connector时，要求给连接用户赋予如下系统表的select权限：dba_objects、dba_extents。

MAPREDUCE服务 MRS 使用Loader
MAPREDUCE服务 MRS-管理Loader作业:创建作业

创建作业访问Loader页面，单击“新建作业”。在“基本信息”填写参数。在“名称”填写一个作业的名称。在“源连接”和“目的连接”选择对应的连接。选择某个类型的连接，表示从指定的源获取数据，并保存到目的位置。如果没有需要的连接，可单击“添加新连接”。在“自”填写源连接的作业配置。具体请参见Loader作业源连接配置说明。在“至”填写目的连接的作业配置。具体请参见Loader作业目的连接配置说明。在“目的连接”是否选择了数据库类型的连接。数据库类型的连接包含以下几种： generic-jdbc-connector hbase-connector hive-connector “目的连接”选择数据库类型的连接时，还需要配置业务数据与数据库表字段的对应关系：是，请执行6。否，请执行7。在“字段映射”填写字段对应关系。然后执行7。 “字段映射”的对应关系，表示用户数据中每一列与数据库的表字段的匹配关系。表1 “字段映射”属性参数说明列号表示业务数据的字段顺序。样本表示业务数据的第一行值样例。列族 “目的连接”为hbase-connector类型时，支持定义保存数据的具体列族。目的字段配置保存数据的具体字段。类型显示用户选择字段的类型。行键 “目的连接”为hbase-connector类型时，需要勾选作为行键的“目的字段”。如果From是sftp/ftp/obs/hdfs等文件类型连接器，Field Mapping 样值取自文件第一行数据，需要保证第一行数据是完整的，Loader作业不会抽取没有Mapping上的列。在“任务配置”填写作业的运行参数。表2 Loader作业运行属性参数说明抽取并发数设置map任务的个数。加载(写入)并发数设置reduce任务的个数。该参数只有在目的字段为Hbase和Hive时才会显示。单个分片的最大错误记录数设置一个错误阈值，如果单个map任务的错误记录超过设置阈值则任务自动结束，已经获取的数据不回退。说明： “generic-jdbc-connector”的“MYSQL”和“MPPDB”默认批量读写数据，每一批次数据最多只记录一次错误记录。脏数据目录设置一个脏数据目录，在出现脏数据的场景中在该目录保存脏数据。如果不设置则不保存。单击“保存”。

MAPREDUCE服务 MRS 使用Loader
MAPREDUCE服务 MRS-样例：通过Loader将数据从OBS导入HDFS:操作步骤

操作步骤将业务数据上传到用户的OBS文件系统。获取用户的AK/SK信息，然后创建一个OBS连接和一个HDFS连接。具体可参见Loader连接配置说明。访问Loader页面。如果是启用了Kerberos认证的分析集群，可参见访问Hue WebUI界面。单击“新建作业”。在“基本信息”填写参数。在“名称”填写一个作业的名称。例如“obs2hdfs”。在“源连接”选择已创建的OBS连接。 “目的连接”选择已创建的HDFS连接。在“自”填写源连接参数。在“桶名”填写业务数据所保存的OBS文件系统名称。在“源目录或文件”填写业务数据在文件系统的具体位置。如果是单个文件，需要填写包含文件名的完整路径。如果是目录，填写目录的完整路径 “文件格式”填写业务数据文件的类型。可参见obs-connector。在“至”填写目的连接参数。在“定入目录”填写业务数据在HDFS要保存的目录名称。如果是启用Kerberos认证的集群，当前访问Loader的用户对保存数据的目录需要有写入权限。在“文件格式”填写业务数据文件的类型。需要与6.c的类型对应。在“压缩格式”填写一种压缩的算法。例如选择不压缩“NONE”。在“是否覆盖”选择已有文件的处理方式，选择“True”。单击“显示高级属性”，在“换行符”填写业务数据保存时，系统填充的换行字符。在“字段分割符”填写业务数据保存时，系统填充的分割字符。可参见hdfs-connector。在“任务配置”填写作业的运行参数。在“抽取并发数”填写map任务的个数。在“加载(写入)并发数”填写reduce任务的个数。目的连接为HDFS连接时，不显示“加载(写入)并发数”参数。 “单个分片的最大错误记录数”填写错误记录阈值。在“脏数据目录”填写一个脏数据的保存位置，例如“/user/sqoop/obs2hdfs-dd”。单击“保存并运行”。在“管理作业界面”，查看作业运行结果。可以单击“刷新列表”获取作业的最新状态。

MAPREDUCE服务 MRS 使用Loader