前言

公司分析数据已经存入hive，但需要输入参数计算得到很长一段时间的趋势变化数据（不固定查询），经调研ClickHouse时序优化后比较满足需求，并且ClickHouse在数据量大时最好采用DNS轮询本地表写，分布式表读的工作方式。
这里测试写脚本将hive中数据导入ClickHouse，加入到原来的数仓流程。
其实可以采取kafka+spark/streaming方式批量插入clickhouse提供准实时计算，后续看需求吧

开始测试：

运行环境

首先，假设已经安装好seatunnel1.5.1(waterdrop1.5.1)，并且安装spark2.4.8、scala（这三个搭配是官方的推荐的），$HADOOP_CONF/hive-site.xml放入spark2.4.8/conf。
百度网盘自取：
链接:https://pan.baidu.com/s/1BZ8-oNXhRjmrqd3hW-KxXA 提取码:hevt
环境变量：我这里hive3.1.2使用的是Spark3，所以配了一个SPARK2_HOME，后续脚本中设置使用SPARK2_HOME

# SPARK_HOME
export SPARK_HOME=/u/module/spark
export PATH=$PATH:$SPARK_HOME/bin
# SPARK_END# 多版本共存Spark，for waterdrop and Hive
export SPARK2_HOME=/u/module/spark-2.4.8-bin-hadoop2.7#Scala Env
export SCALA_HOME=/u/module/scala-2.11.8/
export PATH=$PATH:$SCALA_HOME/bin

创建jobs目录存放执行conf文件

mkdir /u/module/seatunnel-1.5.1/jobs

创建表

hive：

-- auto-generated definition
create table student
(id   int,name string
)row format serde 'org.apache.hadoop.hive.serde2.lazy.LazySimpleSerDe'stored asinputformat 'org.apache.hadoop.mapred.TextInputFormat'outputformat 'org.apache.hadoop.hive.ql.io.HiveIgnoreKeyTextOutputFormat'location 'hdfs://hadoop101:8020/user/hive/warehouse/student'tblproperties ('bucketing_version' = '2');

插入：

insert into student values (1,'abc'),(2,'def');

clickhouse:

drop table if exists waterdrop_test;
create table waterdrop_test
(id   UInt16,name String,birthday Date
) ENGINE = TinyLog;

脚本

我们可以使用cat <<!EOF把变量传进去，并且把脚本生成在文件夹中，然后再使用waterdrop的命令调用即可

touch ~/bin/mytest.sh && chmod u+x ~/bin/mytest.sh && vim ~/bin/mytest.sh

#!/bin/bash# 环境变量
unset SPARK_HOME
export SPARK_HOME=$SPARK2_HOME
SEATUNNEL_HOME=/u/module/seatunnel-1.5.1
# 接收两个参数，第一个为要抽取的表，第二个为抽取时间
# 若输入的第一个值为first，不输入第二参数则直接退出脚本
if [[ $1 = first ]]; thenif [ -n "$2" ] ;thendo_date=$2else echo "请传入日期参数"exitfi
# 若输入的第一个值为all，不输入第二参数则取前一天
elif [[ $1 = all ]]; then# 判断非空，如果不传时间默认取前一天数据，传时间就取设定，主要是用于手动传参if [ -n "$2" ] ;thendo_date=$2elsedo_date=`date -d '-1 day' +%F`fi
elseif [ -n "$2" ] ;thendo_date=$2else echo "请传入日期参数"exitfi
fiecho "日期：$do_date"# 打印数据传输脚本并赋值
cat>$SEATUNNEL_HOME/jobs/hive2ck_test.conf<<!EOF
spark {spark.sql.catalogImplementation = "hive"spark.app.name = "hive2clickhouse"spark.executor.instances = 2spark.executor.cores = 2spark.executor.memory = "2g"
}input {hive {pre_sql = "select id,name,'${do_date}' as birthday from  default.student"table_name = "test"}
}filter {}output {clickhouse {host = "hadoop101:8123"database = "default"table = "waterdrop_test"fields = ["id","name","birthday"]username = "default"password = ""}
}!EOF$SEATUNNEL_HOME/bin/start-waterdrop.sh  --config $SEATUNNEL_HOME/jobs/hive2ck_test.conf -e client -m 'local[2]'

进阶脚本

#!/bin/bash# 环境变量
unset SPARK_HOME
export SPARK_HOME=$SPARK2_HOME
SEATUNNEL_HOME=/u/module/seatunnel-1.5.1
# 接收两个参数，第一个为要抽取的表，第二个为抽取时间
# 若输入的第一个值为first，不输入第二参数则直接退出脚本
if [[ $1 = first ]]; thenif [ -n "$2" ] ;thendo_date=$2else echo "请传入日期参数"exitfi
# 若输入的第一个值为all，不输入第二参数则取前一天
elif [[ $1 = all ]]; then# 判断非空，如果不传时间默认取前一天数据，传时间就取设定，主要是用于手动传参if [ -n "$2" ] ;thendo_date=$2elsedo_date=`date -d '-1 day' +%F`fi
elseif [ -n "$2" ] ;thendo_date=$2else echo "请传入日期参数"exitfi
fiecho "日期：$do_date"import_conf(){# 打印数据传输脚本并赋值
cat>$SEATUNNEL_HOME/jobs/hive2ck_test.conf<<!EOF
spark {spark.sql.catalogImplementation = "hive"spark.app.name = "hive2clickhouse"spark.executor.instances = 2spark.executor.cores = 4spark.executor.memory = "4g"
}input {hive {# pre_sql = "select id,name,'${do_date}' as birthday from  default.student"pre_sql = "$1"table_name = "$2"}
}filter {}output {clickhouse {host = "$3"database = "$4"table = "$5"# fields = ["id","name","birthday"]fields = $6username = "default"password = ""}
}!EOF
$SEATUNNEL_HOME/bin/start-waterdrop.sh  --config $SEATUNNEL_HOME/jobs/hive2ck_test.conf -e client -m 'local[2]'
}import_test(){import_conf "select id,name,'${do_date}' as birthday from  default.student" "test" "hadoop101:8123" "default" "waterdrop_test" "[\"id\",\"name\",\"birthday\"]"
}import_test

此脚本将生成conf做为一个方法，可用于多表导入
后续增量导入

总结

我这里测试成功，这只是最基本的使用，可根据自己需求更改。

若对你有帮助，点个赞吧～

Shlle脚本传参调用seatunnel(原waterdrop)将hive中数据导入ClickHouse相关推荐

【clickhouse】使用waterdrop将Hive中的数据导入ClickHouse
1.概述转载:使用waterdrop将Hive中的数据导入ClickHouse 这里仅仅自己学习用. 前言最近有一个需求需要把hive的数据同步到clickhouse,而且数据量还比较大,所以使用 ...
c#直接调用ssis包实现Sql Server的数据导入功能
调用ssis包实现Sql Server的数据导入功能网上已经有很多人讨论过,自己参考后也动手实现了一下,上一次笔者的项目中还用了一下这个功能.思前想后,决定还是贴一下增强记忆,高手请54. 1.直接调 ...
在Java中动态传参调用Python脚本
最近,又接触到一个奇葩的接口,基于老板不断催促赶时间的情况下,在重写java接口和复用已有的python脚本的两条路中选择了后者,但是其实后者并没有好很多,因为我是一个对python的认识仅限于其名称 ...
python脚本传参
在Linux环境调用python脚本,需要从外部传参,python提供了两种传参方式: 1.顺序传参 import sys 它封装了与python解释器相关的数据,在脚本里面使用使用参数的顺序必须和传 ...
Golang Post传参调用示例
Golang Post传参 package mainimport ("fmt""net/http""io/ioutil""str ...
二维数组的传参调用写法
初遇二维数组作函数参数,宛如自己化身为了大头儿子.很头大. 不禁大声呐喊:该怎么声明定义,该怎么调用,又该怎么函数中操作元素和地址? 在此,我要拨开这些问题的一些迷雾. 我相信,有心人看完后,再遇就不 ...
python中两个文件如何互相传参_argparse模块如何在jupyter notebook中用于传参？
作者:于晨晨研究方向:nlp 发表于公众号:AI技术日常在python代码文件中,通常需要传参,传参就需要经常使用argparse.使用argparse模块在py文件中是正常的,但是jupyter ...
python如何次传参给线程_python如何给线程中的函数传参？
1.Process说明 (1)概念 process模块是一个创建进程的模块,借助这个模块,就可以完成进程的创建. (2)语法([group [, target [, name [, args [, k ...
python调用bat脚本传参,将参数从批处理文件传递给Python
I am trying to pass argument from batch file to python as following. It seems nothing has passed to ...

Shlle脚本传参调用seatunnel(原waterdrop)将hive中数据导入ClickHouse

前言

运行环境

创建表

脚本

进阶脚本

总结

Shlle脚本传参调用seatunnel(原waterdrop)将hive中数据导入ClickHouse相关推荐

最新文章

热门文章