助力工业物联网，工业大数据之脚本开发【五】-CFANZ编程社区

01：脚本开发思路

目标：实现自动化脚本开发的设计思路分析
路径
- step1：脚本目标
- step2：实现流程
- step3：脚本选型
- step4：单个测试

实施

创建一个文件，存放要采集的表的名称

#创建测试目录
mkdir -p /opt/datas/shell
cd /opt/datas/shell/
#创建存放表名的文件
vim test_full_table.txt

ciss4.ciss_base_areas
ciss4.ciss_base_baseinfo
ciss4.ciss_base_csp
ciss4.ciss_base_customer
ciss4.ciss_base_device

创建脚本
```
vim test_full_import_table.sh
```

构建采集的Sqoop命令

sqoop import \
-Dmapreduce.job.user.classpath.first=true \
--connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin \
--username ciss \
--password 123456 \
--table CISS4.CISS_SERVICE_WORKORDER \
--delete-target-dir \
--target-dir /test/full_imp/ciss4.ciss_service_workorder \
--as-avrodatafile \
--fields-terminated-by "\001" \
-m 1

封装脚本

#!/bin/bash
#export path
source /etc/profile
#export the tbname files
TB_NAME=/opt/datas/shell/test_full_table.txt
#export the import opt
IMP_OPT="sqoop import -Dmapreduce.job.user.classpath.first=true"
#export the jdbc opt
JDBC_OPT="--connect jdbc:oracle:thin:@oracle.bigdata.cn:1521:helowin --username ciss --password 123456"

#read tbname and exec sqoop
while read tbname
do
  ${IMP_OPT} ${JDBC_OPT} --table ${tbname^^} --delete-target-dir --target-dir /test/full_imp/${tbname^^} --as-avrodatafile --fields-terminated-by "\001" -m 1
done < ${TB_NAME}

Shell：Linux原生Shell脚本，命令功能全面丰富，主要用于实现自动化Linux指令，适合于Linux中简单的自动化任务开发
Python：多平台可移植兼容脚本，自身库功能强大，主要用于爬虫、数据科学分析计算等，适合于复杂逻辑的处理计算场景
场景：一般100行以内的代码建议用Shell，超过100行的代码建议用Python
采集脚本选用：Shell
a. 获取表名
b.构建Sqoop命令
c.执行Sqoop命令
d.验证结果
脚本目标：实现自动化将多张Oracle中的数据表全量或者增量采集同步到HDFS中
实现流程
脚本选型
单个测试

添加执行权限
```
chmod u+x test_full_import_table.sh
```
测试执行
```
sh -x test_full_import_table.sh
```
检查结果
小结
- 实现自动化脚本开发的设计思路分析

02：全量及增量采集脚本运行

目标：实现全量采集脚本的运行
实施
- /data/dw/ods/one_make/full_imp：44张表
- /data/dw/ods/one_make/incr_imp：57张表
- 因oracle表特殊字段类型，导致sqoop导数据任务失败
- oracle字段类型为：clob或date等特殊类型
- 解决方案：在sqoop命令中添加参数，指定特殊类型字段列(SERIAL_NUM)的数据类型为string
- —map-column-java SERIAL_NUM=String
- 全量采集
```
cd /opt/sqoop/one_make
sh -x full_import_tables.sh
```
- --outdir：Sqoop解析出来的MR的Java程序等输出文件输出的文件
- 增量采集
```
cd /opt/sqoop/one_make
sh -x incr_import_tables.sh
```
- 脚本中特殊的一些参数
- 工单数据信息、呼叫中心信息、物料仓储信息、报销费用信息等
- HDFS路径
```
/data/dw/ods/one_make/incr_imp/表名/日期
```
- Oracle表：组织机构信息、地区信息、服务商信息、数据字典等
- HDFS路径
```
/data/dw/ods/one_make/full_imp/表名/日期
```
- 全量目标：将所有需要将实现全量采集的表进行全量采集存储到HDFS上
- 增量目标：将所有需要将实现全量采集的表进行增量采集存储到HDFS上
- 运行脚本
- 特殊问题
- 查看结果
小结
- 实现全量采集脚本的运行

03：Schema备份及上传

目标：了解如何实现采集数据备份

实施

Avro文件HDFS存储

hdfs_schema_dir=/data/dw/ods/one_make/avsc
hdfs dfs -put ${workhome}/java_code/*.avsc ${hdfs_schema_dir}

Avro文件本地打包

local_schema_backup_filename=schema_${biz_date}.tar.gz
tar -czf ${local_schema_backup_filename} ./java_code/*.avsc

Avro文件HDFS备份

hdfs_schema_backup_filename=${hdfs_schema_dir}/avro_schema_${biz_date}.tar.gz
hdfs dfs -put ${local_schema_backup_filename} ${hdfs_schema_backup_filename}

运行测试

cd /opt/sqoop/one_make/
./upload_avro_schema.sh

验证结果

/data/dw/ods/one_make/avsc/
*.avsc
schema_20210101.tar.gz

需求：将每张表的Schema进行上传到HDFS上，归档并且备份

Avro文件本地存储

workhome=/opt/sqoop/one_make
--outdir ${workhome}/java_code

小结
了解如何实现采集数据备份

04：Python脚本

目标：了解如果使用Python脚本如何实现

实施

subprocess

call（String：LinuxCommand）：用于提交Linux命令的方法

logging

basicConfig(level,filename,filemode,format)：用于配置日志记录的方式
info(Messege)：用于记录具体的日志内容

time
```
sleep(15) ：休眠15s
```
问题：所有的操作是Sqoop、HDFS等命令操作，如何能通过Python代码控制？
解决：本质上是使用Python执行了Linux的Shell命令来实现的

导包

# 用于实现执行系统操作的包
import os
# 用于实现执行Linux的命令的包
import subprocess
# 用于实现日期获取解析的包
import datetime
# 用于执行时间操作的包
import time
# 用于做日志记录的包
import logging

原理本质
核心代码解析

小结
- 了解如果使用Python脚本如何实现