离线数仓建设之数据导出

为了方便报表应用使用数据,需将ADS各项指标统计结果导出到MySQL,方便熟悉 SQL 人员使用。

1 MySQL建库建表

1.1 创建数据库

创建car_data_report数据库:

CREATE DATABASE IF NOT EXISTS car_data_report
# 字符集
DEFAULT CHARSET utf8mb4
# 排序规则
COLLATE utf8mb4_general_ci;

1.1.2 创建表

① 里程相关统计

创建ads_mileage_stat_last_month表,存储里程相关统计数据。

DROP TABLE IF EXISTS ads_mileage_stat_last_month;

CREATE TABLE ads_mileage_stat_last_month (
  vin VARCHAR(20) COMMENT '汽车唯一ID',
  mon VARCHAR(7) COMMENT '统计月份',
  avg_mileage INT COMMENT '日均里程',
  avg_speed DECIMAL(16, 2) COMMENT '平均时速分子',
  danger_count DECIMAL(16, 2) COMMENT '平均百公里急加减速次数'
) COMMENT '里程相关统计';
② 告警相关统计

创建ads_alarm_stat_last_month表,存储告警相关的统计数据。

DROP TABLE IF EXISTS ads_alarm_stat_last_month;

CREATE TABLE ads_alarm_stat_last_month (
  vin VARCHAR(20) COMMENT '汽车唯一ID',
  mon VARCHAR(7) COMMENT '统计月份',
  alarm_count INT COMMENT '告警次数',
  l1_alarm_count INT COMMENT '一级告警次数',
  l2_alarm_count INT COMMENT '二级告警次数',
  l3_alarm_count INT COMMENT '三级告警次数'
) COMMENT '告警相关统计';

3)温控相关统计

创建ads_temperature_stat_last_month表,存储温控相关的统计数据。

DROP TABLE IF EXISTS ads_temperature_stat_last_month;

CREATE TABLE ads_temperature_stat_last_month (
  vin VARCHAR(20) COMMENT '汽车唯一ID',
  mon VARCHAR(7) COMMENT '统计月份',
  max_motor_temperature INT COMMENT '电机最高温度',
  avg_motor_temperature DECIMAL(16, 2) COMMENT '电机平均温度',
  max_motor_controller_temperature INT COMMENT '电机控制器最高温度',
  avg_motor_controller_temperature DECIMAL(16, 2) COMMENT '电机控制器平均温度',
  max_battery_temperature INT COMMENT '最高电池温度',
  battery_temperature_abnormal_count INT COMMENT '电池温度异常值次数'
) COMMENT '温控相关统计';

4)能耗相关统计

创建ads_consume_stat_last_month表,存储能耗相关的统计数据。

DROP TABLE IF EXISTS ads_consume_stat_last_month;

CREATE TABLE ads_consume_stat_last_month (
  vin VARCHAR(20) COMMENT '汽车唯一ID',
  mon VARCHAR(7) COMMENT '统计月份',
  soc_per_charge DECIMAL(16, 2) COMMENT '次均充电电量',
  duration_per_charge DECIMAL(16, 2) COMMENT '次均充电时长',
  charge_count INT COMMENT '充电次数',
  fast_charge_count INT COMMENT '快充次数',
  slow_charge_count INT COMMENT '慢充次数',
  fully_charge_count INT COMMENT '深度充电次数',
  soc_per_100km DECIMAL(16, 2) COMMENT 'soc百公里平均消耗',
  soc_per_run DECIMAL(16, 2) COMMENT '每次里程soc平均消耗',
  soc_last_100km DECIMAL(16, 2) COMMENT '最近百公里soc消耗'
) COMMENT '能耗主题统计';

2 数据导出

DataX作为数据导出工具,并选择HDFSReader和MySQLWriter作为数据源和目标。

2.1 编写DataX配置文件

我们需要为每个表编写一个DataX配置文件。以ads_alarm_stat_last_month为例:

{
  "job": {
    "setting": {
      "speed": {
        "channel": 1  // DataX 作业的并发通道数,一般根据系统资源进行调整,1 表示单通道
      }
    },
    "content": [
      {
        "reader": {
          ...
        },
        "writer": {
          "name": "mysqlwriter",  // 写入数据的插件类型为 MySQL 数据库写入
          "parameter": {
            "writeMode": "replace",  // 写入模式为替换(如果表存在则先删除再写入)
            "username": "root",  // 数据库用户名
            "password": "000000",  // 数据库密码
            "column": [  // 写入的列信息,包括 vin、mon、alarm_count、l1_alarm_count、l2_alarm_count、l3_alarm_count
              "vin",
              "mon",
              "alarm_count",
              "l1_alarm_count",
              "l2_alarm_count",
              "l3_alarm_count"
            ],
            "connection": [  // 数据库连接信息列表,支持多个数据库连接
              {
                "jdbcUrl": "jdbc:mysql://hadoop102:3306/car_data_report?useSSL=false&allowPublicKeyRetrieval=true&useUnicode=true&characterEncoding=utf-8",  // MySQL 数据库连接地址,设置了 SSL、公钥检索、Unicode 编码等参数
                "table": [  // 写入的数据库表列表,这里只写入 ads_alarm_stat_last_month 表
                  "ads_alarm_stat_last_month"
                ]
              }
            ]
          }
        }
      }
    ]
  }
}

导出路径参数path并未写死,需在提交任务时通过参数动态传入,参数名称为exportdir。

模版配置参数解析:

HDFSReader:

即:

"reader": {
  "name": "hdfsreader",  // 读取数据的插件类型为 HDFS 文件读取
  "parameter": {
    "path": "${exportdir}",  // HDFS 文件路径,使用 ${exportdir} 变量表示动态路径
    "defaultFS": "hdfs://hadoop102:8020",  // HDFS 默认文件系统地址
    "column": [  // 需要读取的列信息,这里使用通配符 * 表示读取所有列
      "*"
    ],
    "fileType": "text",  // 文件类型为文本文件
    "encoding": "UTF-8",  // 文件编码格式为 UTF-8
    "fieldDelimiter": "\t",  // 字段分隔符为制表符
    "nullFormat": "\\N"  // 空值格式为 \N
  }
},

MySQLWriter:

"writer": {
  "name": "mysqlwriter",  // 写入数据的插件类型为 MySQL 数据库写入
  "parameter": {
    "writeMode": "replace",  // 写入模式为替换(如果表存在则先删除再写入)
    "username": "root",  // 数据库用户名
    "password": "000000",  // 数据库密码
    "column": [  // 写入的列信息,包括 vin、mon、alarm_count、l1_alarm_count、l2_alarm_count、l3_alarm_count
      "vin",
      "mon",
      "alarm_count",
      "l1_alarm_count",
      "l2_alarm_count",
      "l3_alarm_count"
    ],
    "connection": [  // 数据库连接信息列表,支持多个数据库连接
      {
        "jdbcUrl": "jdbc:mysql://hadoop102:3306/car_data_report?useSSL=false&allowPublicKeyRetrieval=true&useUnicode=true&characterEncoding=utf-8",  // MySQL 数据库连接地址,设置了 SSL、公钥检索、Unicode 编码等参数
        "table": [  // 写入的数据库表列表,这里只写入 ads_alarm_stat_last_month 表
          "ads_alarm_stat_last_month"
        ]
      }
    ]
  }
}

2.2 DataX配置文件生成脚本

TODO(在下载的资料压缩包里)datax_config_generator拷贝到/opt/module。

修改/opt/module/datax_config_generator/configuration.properties:

mysql.username=root
mysql.password=000000
mysql.host=hadoop102
mysql.port=3306
mysql.database.import=car_data
mysql.database.export=car_data_report
mysql.tables.import=
mysql.tables.export=
is.seperated.tables=0
hdfs.uri=hdfs://hadoop102:8020
import_out_dir=/opt/module/datax/job/import
export_out_dir=/opt/module/datax/job/export

执行配置文件生成器:

java -jar datax-config-generator-1.0.1-jar-with-dependencies.jar

观察生成的配置文件:

ll /opt/module/datax/job/export/

总用量 20
-rw-rw-r--. 1 atguigu atguigu  961 4月  26 19:47 car_data_report.ads_alarm_stat_last_month.json
-rw-rw-r--. 1 atguigu atguigu 1095 4月  26 19:47 car_data_report.ads_consume_stat_last_month.json
-rw-rw-r--. 1 atguigu atguigu 1062 4月  26 19:47 car_data_report.ads_electric_stat_last_month.json
-rw-rw-r--. 1 atguigu atguigu  939 4月  26 19:47 car_data_report.ads_mileage_stat_last_month.json
-rw-rw-r--. 1 atguigu atguigu 1083 4月  26 19:47 car_data_report.ads_temperature_stat_last_month.json

2.3 测试生成的DataX配置文件

以ads_trans_order_stats为例,测试用脚本生成的配置文件是否可用。

1)执行DataX同步命令

python /opt/module/datax/bin/datax.py -p"-Dexportdir=/warehouse/car_data/ads/ads_order_stats" /opt/module/datax/job/export/tms_report.ads_order_stats.json

2)观察同步结果

观察MySQL目标表是否出现数据。

2.4 编写导出脚本

创建hdfs_to_mysql.sh

vim hdfs_to_mysql.sh
#!/bin/bash

# 设置 DataX 的安装路径
DATAX_HOME=/opt/module/datax

# 清理指定路径下的空文件
# 参数 $1: 待清理的路径
handle_export_path() {
  for file in $(hadoop fs -ls -R "$1" | awk '{print $8}'); do
    # 检查文件是否为空
    if hadoop fs -test -z "$file"; then
      echo "$file 文件大小为0,正在删除..."
      # 删除空文件
      hadoop fs -rm -r -f "$file"
    fi
  done
}

# 导出数据到指定路径
# 参数 $1: DataX 配置文件路径
# 参数 $2: 导出路径
export_data() {
  datax_config="$1"
  export_dir="$2"
  # 调用清理空文件函数
  handle_export_path "$export_dir"
  # 执行 DataX 导出命令
  $DATAX_HOME/bin/datax.py -p"-Dexportdir=$export_dir" "$datax_config"
}

# 主逻辑,根据传入的参数执行数据导出操作
case $1 in
  'ads_mileage_stat_last_month' | 'ads_alarm_stat_last_month' | 'ads_temperature_stat_last_month' | 'ads_electric_stat_last_month' | 'ads_consume_stat_last_month')
    # 导出单个表的数据
    export_data "/opt/module/datax/job/export/car_data_report.$1.json" "/warehouse/car_data/ads/$1"
    ;;
  'all')
    # 导出所有表的数据
    for table in 'ads_mileage_stat_last_month' 'ads_alarm_stat_last_month' 'ads_temperature_stat_last_month' 'ads_electric_stat_last_month' 'ads_consume_stat_last_month'; do
      export_data "/opt/module/datax/job/export/car_data_report.$table.json" "/warehouse/car_data/ads/$table"
    done
    ;;
  *)
    # 未知参数,打印提示信息
    echo "Usage: $0 {ads_table_name | all}"
    echo "Example: $0 ads_mileage_stat_last_month"
    ;;
esac
chmod +x hdfs_to_mysql.sh

hdfs_to_mysql.sh all

关注我,紧跟本系列专栏文章,咱们下篇再续!

作者简介:魔都技术专家兼架构,多家大厂后端一线研发经验,各大技术社区头部专家博主。具有丰富的引领团队经验,深厚业务架构和解决方案的积累。

负责:

  • 中央/分销预订系统性能优化
  • 活动&优惠券等营销中台建设
  • 交易平台及数据中台等架构和开发设计

目前主攻降低软件复杂性设计、构建高可用系统方向。

参考:

本文由博客一文多发平台 OpenWrite 发布!

热门相关:好的开始   催眠舞蹈团   亡国公主穿成王府寡妇:二嫁王妃   隐婚365天:江少,高调宠!   全能王妃:偷个王爷生宝宝