前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >实时即未来,车联网项目之将数据落地到文件系统和数据库【三】

实时即未来,车联网项目之将数据落地到文件系统和数据库【三】

作者头像
Maynor
发布2022-09-27 20:34:17
4360
发布2022-09-27 20:34:17
举报

文章目录

实时读取流数据的步骤

image-20210922085751532
image-20210922085751532

原始数据实时ETL任务分析 Hive

将HDFS数据映射到Hive表

需要指定的HDFS的目录

image-20210922091210155
image-20210922091210155

回忆如何映射HDFS数据到Hive表中

① 创建表 create external table maynor_src (…) row formate delimited field terminate by ‘\t’ partitioned by(dt string) location ‘hdfs://node01…/maynor_src’; ② 使用数据库 ③ 添加文件夹到指定分区 ​ alter table maynor_src add partition(dt=‘20210922’) location ‘hdfs://node01:8020/apps/warehouse/ods.db/maynor_src/20210922’

代码语言:javascript
复制
#!/bin/bash

dt=`date -d '1 days ago' +'%Y%m%d'`
tableName=$1

ssh node03 `/export/server/hive/bin/hive -e "use maynor_ods;alter table ${tableName} add partition(dt=${dt}) location 'hdfs://node01:8020/apps/warehouse/ods.db/${tableName}/${dt}"`

如何实现从HDFS中正确或错误的数据映射到Hive表中

如何自动化HDFS数据到Hive表中

代码语言:javascript
复制
# 使用shell 脚本
alter table maynor_src add partition (dt="20210922") location "/apps/hive/warehouse/ods.db/maynor_src/20210922";

如何执行 t+1 离线任务,设置调度的两种方式

① crontab

​ linux 自带调度

② 调度平台

​ azkaban airflow dolphinscheduler oozie 自研

自定义Sink数据写入Hive表(了解)

实现步骤

代码语言:javascript
复制
package cn.maynor.streaming.sink;

import cn.maynor.streaming.entity.maynorDataObj;
import org.apache.flink.api.java.utils.ParameterTool;
import org.apache.flink.configuration.Configuration;
import org.apache.flink.streaming.api.functions.sink.RichSinkFunction;
import org.slf4j.Logger;
import org.slf4j.LoggerFactory;

import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.Statement;

/**
 * Author maynor
 * Date 2021/9/22 10:02
 * Desc 将每条车辆的数据直接写入到 Hive 中
 */
public class SaveErrorDataHiveSink extends RichSinkFunction<maynorDataObj> {
    //定义 logger
    private static final Logger logger = LoggerFactory.getLogger(SaveErrorDataHiveSink.class);
    //2.创建有参构造方法,参数包括数据库名和表名
    //定义变量
    private String dbName;
    private String tableName;
    //定义连接对象和statement对象
    private Connection conn = null;
    private Statement statement = null;
    //构造方法
    public SaveErrorDataHiveSink(String _dbName,String _tableName){
        this.dbName = _dbName;
        this.tableName = _tableName;
    }

    //3.重写open方法进行Hive连接的初始化
    @Override
    public void open(Configuration parameters) throws Exception {
        //3.1 将JDBC驱动 org.apache.hive.jdbc.HiveDriver 加载进来
        //获取全局参数
        ParameterTool parameterTool = (ParameterTool) getRuntimeContext()
                .getExecutionConfig()
                .getGlobalJobParameters();
        //获取当前上下文中 hive 的驱动
        Class.forName(parameterTool.getRequired("hive.driver"));
        //3.2 设置JDBC连接Hive的连接器,端口为10000
        conn = DriverManager.getConnection(
                parameterTool.getRequired("hive.url"),
                parameterTool.getRequired("hive.user"),
                parameterTool.get("hive.password")
        );
        //3.3 创建Statement
        statement = conn.createStatement();
        //3.4 定义 schemaAndTableExists 实现库不存在创建库,表不存在创建表
        Boolean flag = schemaAndTableExists(dbName,tableName,statement);
        if(flag){
            logger.info("当前数据库和表初始化成功!");
        }else{
            logger.warn("请检查数据库和表!");
        }
    }

    //5.重写cloese方法 关闭连接
    @Override
    public void close() throws Exception {
        if(!statement.isClosed())statement.close();
        if(!conn.isClosed())conn.close();
    }

    //4.重写invoke将每条数据
    @Override
    public void invoke(maynorDataObj value, Context context) throws Exception {
        //4.1 编写SQL将数据插入到表中
        // insert into maynor_error values('11111');
        StringBuffer buffer = new StringBuffer();
        buffer.append("INSERT INTO "+tableName);
        buffer.append(" VALUES('");
        buffer.append(value.getErrorData()+"'");
        //4.2 执行statement.executeUpdate 将数据直接落地到Hive表
        statement.executeUpdate(buffer.toString());
    }

    //6.定义 schemaAndTableExists 方法 create database if not exists库或表, execute,选择数据库

    /**
     * 初始化数据库和数据表,如果初始化成功返回 true,否则 false
     * @param dbName
     * @param tableName
     * @param statement
     * @return
     */
    private Boolean schemaAndTableExists(String dbName, String tableName, Statement statement) {
        //数据库是否存在
        Boolean flag = true;
        try{
            //初始化数据库
            String createDBSQL="create database if not exists "+dbName;
            boolean executeDB = statement.execute(createDBSQL);
            if(executeDB){
                logger.info("当前数据库创建成功");
                flag = true;
            }else{
                logger.info("当前数据库已经存在");
                flag = true;
            }
            //初始化数据表
            String createTableSQL = "use "+tableName+";create table if not exists "+tableName+" (json string) partition by dt" +
                    " row formatted delimited field terminate by '\t' location '/apps/hive/warehouse/ods.db/maynor_error'";
            boolean executeTable = statement.execute(createTableSQL);
            if(executeTable){
                logger.info("当前数据库表创建成功");
                flag = true;
            }else{
                logger.info("当前数据表已经存在");
                flag = true;
            }
        }catch (Exception ex){
            logger.warn("初始化失败!");
            flag = false;
        }
        return flag;
    }
}

原始数据实时ETL落地到HBase

  • 写入hbase的步骤和准备
    1. 写入的表名
    2. hbase的rowkey
    3. 写入的列簇 columnFamily
    4. 列名和列值

HBase的rowkey设计原则

① rowkey 的长度原则 , 16个字节 ② rowkey 的散列原则 ,尽量保证离散 ③ rowkey 的唯一原则 , rowkey不要一样

HBase的rowkey设计方法

① 加盐 —— 随机数 ② Hash散列 ③ 翻转字符串

正常数据落地到HBase

开启 HBase 集群

代码语言:javascript
复制
# 首先开启 hdfs ,zookeeper 
/export/server/hbase/start-hbase.sh

进入到 HBase命令行

代码语言:javascript
复制
hbase shell

创建HBase表 - maynor_src ,列簇为 cf

代码语言:javascript
复制
# 查看hbase所有表
list
# 查看namespace(数据库)
list_namespace
# 创建数据表
hbase(main):005:0> create 'maynor_src','cf'
# 查看表中的数据
scan 'maynor_src'

开发步骤

代码语言:javascript
复制
//1.创建 SrcDataToHBaseSink类继承 RichSinkFunction
//2.创建一个有参数-表名的构造方法
//3.重写open方法
//3.1 从上下文获取到全局的参数
//3.2 设置hbase的配置,Zookeeper Quorum集群和端口和TableInputFormat的输入表
//3.3 通过连接工厂创建连接
//3.4 通过连接获取表对象
//4.重写close方法
//4.1 关闭hbase 表和连接资源
//5. 重写 invoke 方法,将读取的数据写入到 hbase
//5.1 setDataSourcePut输入参数value,返回put对象
//6. 实现 setDataSourcePut 方法
//6.1 如何设计rowkey VIN+时间戳翻转
//6.2 定义列簇的名称
//6.3 通过 rowkey 实例化 put
//6.4 将所有的字段添加到put的字段中

原始数据实时 ETL 任务 HBase 调优

数据写入HBase优化 - 客户端优化

  • 为什么需要优化呢?

防止出现每条数据都读写 HBase 数据库,造成集群宕机和数据丢失。

批量写入需要使用的缓存对象 - BufferedMutator 写数据的原理

将数据按批次写入到 BufferedMutator 对象中,按时间或者按大小写入。

代码逻辑优化

代码语言:javascript
复制
BufferedMutatorParams params = new BufferedMutatorParams(TableName.valueOf(tableName));
        params.writeBufferSize(10 * 1024 * 1024L);
        params.setWriteBufferPeriodicFlushTimeoutMs(5 * 1000L);

//5.1 setDataSourcePut输入参数value,返回put对象
        try {
            Put put = setDataSourcePut(value);
            mutator.mutate(put);
            //5.2 指定时间内的数据强制刷写到hbase
            mutator.flush();
        }catch (Exception ex){
            logger.error("写入到hbase失败:"+ex.getMessage());
        }

在主流程中将数据写入到 maynor_src

数据写入HBase预分区

预分区的概念

创建预分区的语法

代码语言:javascript
复制

数据写入HBase预写日志

  • 预写日志的作用
  • memstore在HBase读写作用

数据写入HBase使用压缩和编码

编码压缩其实是对列数据的压缩

编码压缩的优势

编码类型

创建一个 fast_diff 编码的 maynor_src 表

代码语言:javascript
复制
alter 'maynor_src', { NAME => 'cf', DATA_BLOCKs_ENCODING => 'FAST_DIFF' }

压缩算法

创建一个 gz 或 snappy 压缩的 maynor_src_gz 表

代码语言:javascript
复制
create 'maynor_src',{NAME => 'cf',COMPRESSION => 'gz'}create 'maynor_src_snappy', { NAME => 'cf', COMPRESSION => 'SNAPPY' }

查看数据量大小

本文参与 腾讯云自媒体分享计划,分享自作者个人站点/博客。
原始发表:2022-09-25 ,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 文章目录
  • 实时读取流数据的步骤
  • 原始数据实时ETL任务分析 Hive
    • 将HDFS数据映射到Hive表
      • 自定义Sink数据写入Hive表(了解)
      • 原始数据实时ETL落地到HBase
        • HBase的rowkey设计原则
          • HBase的rowkey设计方法
            • 正常数据落地到HBase
            • 原始数据实时 ETL 任务 HBase 调优
              • 数据写入HBase优化 - 客户端优化
                • 数据写入HBase预分区
                  • 数据写入HBase预写日志
                    • 数据写入HBase使用压缩和编码
                    相关产品与服务
                    文件存储
                    文件存储(Cloud File Storage,CFS)为您提供安全可靠、可扩展的共享文件存储服务。文件存储可与腾讯云服务器、容器服务、批量计算等服务搭配使用,为多个计算节点提供容量和性能可弹性扩展的高性能共享存储。腾讯云文件存储的管理界面简单、易使用,可实现对现有应用的无缝集成;按实际用量付费,为您节约成本,简化 IT 运维工作。
                    领券
                    问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档