快速启动 – 从MySQL 抽取数据到 Hive / HDFS

简介

BDOS内置了Sqoop作为数据采集(data ingestion)的工具之一，主要用于在Hadoop/Hive与传统的数据库(RMDBS)间进行数据的传递，通过可视化界面你可以很便捷的将一个关系型数据库（例如 ：MySQL）中的数据导入到HDFS或者Hive中，并且通过配置数据采集作业，你可以很轻松的完成数据从采集，到运行，到查看结果的整个流程。

新建数据采集的作业，运行，并查看结果

准备步骤：当你登录BDOS Online Edition之后，你会来到快速体验界面，在界面的上半部分的快速入口区域内，你可以很方便的找到从Mysql抽取数据到Hive / HDFS的图标，点击图标，你就会来到数据采集页面。
初次来到界面，你会看到一个空的数据采集作业的列表，点击右上方的+添加作业按钮即刻开始配置数据采集的过程。

同时，这个界面,也可以通过路径：左侧边导航栏->程序管理->数据采集

场景1 – 使用全量策略进行数据采集

快速创建全量数据采集作业

Step1：点击+添加作业按钮
Step2：填写基本信息
填写示例(你可以任意修改你填写的信息)

Step3：在采集配置里面选择全量
Step4：在导出选项里面选择数据存储方式为HDFS，记录下数据存储的路径(方便之后查看采集结果)
Step5：点击右上角保存按钮，那么全量数据采集作业创建完毕

随即可以在数据采集页面的作业列表里面，看到刚刚创建的数据采集作业

场景2 – 使用增量策略进行数据采集

使用增量策略，并配置“导出字段”和“where”语句的高级操作

Step1：点击+添加作业按钮
Step2：填写基本信息
填写示例(你可以任意修改你填写的信息)

Step3：在采集配置里面选择增量
Step4：在增量字段（列）选择 update_time 作为增量的字段 （真实应用中，你需要跟你实际的业务场景来选择合适的字段作为增量的依据）
Step5：点击展开高级选项，你可以进一步操控你想要导出的具体字段(如果不选择，默认是全部字段)，以及通过where语句指定更加精细的操作

Step6：在导出选项里面选择数据存储方式为Hive，记录Hive的数据库和表名称(方便之后查看采集结果)
Step7：点击右上角保存按钮，那么全量数据采集作业创建完毕

随即可以在数据采集页面的作业列表里面，看到刚刚创建的数据采集作业

运行配置好的作业

准备步骤：再次点开数据采集页面，你会看到采集作业列表里面有刚刚配置好的两个作业，通过表单的操作栏，你可以对采集的作业进行“开始”，“删除”，“改变优先级”和“查看任务”的操作

运行在场景1中创建的作业，并查看全量策略的数据采集

Step1：点击运行myFirstDemo作业
Step2：点击查看任务

Step3：等待执行状态变成“Success”
Step4：回到数据采集页面，点击查看按钮
Step5：点击选中.avro文件查看，导出的数据集

运行在场景2中创建的作业，并查看增量策略的数据采集

Step1：点击运行mySecondDemo作业
Step2：点击查看任务

Step3：等待执行状态变成“Success”
Step4：回到数据采集页面，点击查看按钮

(额外步骤)登录到Hue去查看数据采集的结果

如果你已经运行过，快速启动的教程1&2，你应该能很快速在Hue里面找到，目标文件目录和数据集，如果你还没有运行过也没有关系，请参考我们下面的步骤

Step1：点击屏幕左侧边栏的第一个按钮“快速体验”
Step2：在右侧的弹出窗口中，选择第一个快速入口的图标“在Hue里面浏览HDFS数据”，点击，页面被引导至Hue的操作界面
Step3：在File Browser 窗口找到ingestion目录(完整目录/user/你的用户名/ingestion), 从目录名称可以看出，这是一个专门负责存储数据采集的文件夹，选中并点击进入之后，可以看到，刚刚运行的数据采集作业生成的文件夹
Step4：分别点击全量/增量文件夹，进去之后，就可以看到和上一个章节从查看按钮导航过来的文件目录.
Step5: 使用场景2来说，在Step2里面选择第二个快速入口的图标“在Hue里面运行Hive语句”，点击，页面被引导至Hive语句的编辑界面，运行这条语句查询增量数据的记录数，{数据库}不写，默认是default，如果采集选择的数据是你的用户名，请填写用户名：

select count(*) from {数据库}.mysql_faker_user_hourly_inc;