StreamSets实战之路-21-实战篇- 如何使用StreamSets从MySQL增量更新数据到Hive

1.文档编写目的

---

通过StreamSets实现数据采集，在实际生产中需要实时捕获MySQL、Oracle等其他数据源的变化数据（简称CDC）将变化数据实时的写入大数据平台的Hive、HDFS、HBase、Solr、Elasticserach等。本篇文章主要介绍如何使用使用StreamSets通过JDBC的方式实时抽取增量数据到Hive。

StreamSets实现的流程如下：

• 内容概述

1.环境准备

2.创建StreamSets的Pipeline流程

3.Pipeline流程测试

• 测试环境

1.StreamSets版本为3.1.2.0

2.CM和CDH版本为5.13.1

3.MariaDB版本为5.5.44

2.环境准备

---

1.准备测试表和数据

[root@cdh4 ~]# mysql -uroot -p
Enter password: 
MariaDB [(none)]> use test;
MariaDB [test]> create table test_to_hive (s1 varchar(20),s2 varchar(20));
MariaDB [test]> insert into test_to_hive values ("1","aaa");
MariaDB [test]> insert into test_to_hive values ("2","bbb");
MariaDB [test]> select * from test_to_hive;

（可左右滑动）

3.创建StreamSets的Pipline

---

1.创建新的管道流

配置错误日志输入路径，这里配置到本地的/tmp/sdctest（需要自己创建）目录下

2.添加JDBC查询者

3.执行预览检查

查看结果如下

4.添加Hive Metadata

将JDBC 链接到 Hive Metadata 配置hive 的JDBC URL

配置数据库和要生成的表名,这里我们没有分区，删掉分区

选择Avro 格式

5.将Hive Metadata 输出到 HiveMetastore

将Hive Metadata的 Metadata 链接到Hive Metastore

修改配置

6.将Hive Metadata的data 输出到HDFS 上

将Hive Metadata的 data链接到Hadoop FS 1

7.统一选择包版本

这里测试环境是CDH 5.13

HiveMetadata

Hadoop FS

Hive Metastore

8.校验并执行

点击校验，返回成功后点击执行

执行后可以看到有2条数据输入和输出，这与我们测试数据库的数据相符合

去HUE 页面查看hive 表中的数据，发现已经更新进来

4.Pipeline流程测试

---

1.去mysql 中增加数据并查看

查看管道流信息发现输入输出数量变成了4

去HUE 中查看hive 表的数据，跟mysql 中同步，说明增量更新成功

5.常见问题

---

1.校验的时候找不到 hive.conf.HiveConf

出现如下异常，说明包不对，参考 2.8步骤重置配置

2.JDBC 链接不通

新建文件夹/opt/cloudera/parcels/STREAMSETS_DATACOLLECTOR-3.0.0.0/sdc-extras,

并赋予给用户sdc

mkdir /opt/cloudera/parcels/STREAMSETS_DATACOLLECTOR-3.0.0.0/sdc-extras
chown sdc:sdc /opt/cloudera/parcels/STREAMSETS_DATACOLLECTOR-3.0.0.0/sdc-extras

（可左右滑动）

上传JDBC驱动

上传成功后如下：

在CM中配置StreamSets包的路径

export STREAMSETS_LIBRARIES_EXTRA_DIR="/opt/cloudera/parcels/STREAMSETS_DATACOLLECTOR/sdc-extras/"

（可左右滑动）

如果存在权限问题还需要配置安全策略给该目录授权：

grant codebase "file:///opt/cloudera/parcels/STREAMSETS_DATACOLLECTOR/sdc-extras/-" {
  permission java.security.AllPermission;
};

（可左右滑动）

标签：实战篇,21,hive,Hive,sdc,test,StreamSets,Metadata
来源： https://blog.csdn.net/u013522009/article/details/123044037