Mongodb同步数据到hive（二）

Mongodb同步数据到hive（二）

1、            概述

上一篇文章主要介绍了mongodb-based，通过直连mongodb的方式进行数据映射来进行数据查询，但是那种方式会对线上的数据库产生影响，所以今天介绍第二种方式—BSON-based，即使用mongoexport将所需要的表导出到本地文件，文件个是默认为bson。然后将导出的bson文件put到HDFS文件系统里面，最后在hive里面创建相应的表来使用hive sql进行查询。

2、            导出bson文件

使用mongodump命令，导出所需要的collection或字段。常用的命令如下：

1）#/data/mongodb/bin/mongodump  -uhqms -phqms123 -h 10.10.111.192:27017  --collection users --db saturn -o /data/mongodata/

 

！-u :指定用户，用于备份的用户必须对数据库有读的权限。

！-p: 指定用户密码

！-h：指定数据库服务器ip和端口，例如：ip:port

！-d: 指定数据库名称

！--collection: 指定要备份的collection的名称 
！-o:指定输出路径 

 3）如果mongodb与hadoop和hive是分开部署的，那么需要在hadoop服务器上部署一个mongodb，此服务不用运行，只是为了使用mongoexport命令copy数据。

3、            将文件导入到HDFS

1）首先需要在HDFS里面创建相应的目录，用来存储相应的表文件。

2）注意，每个表需要对应创建一个目录

3）命令如下（我已经将hadoop的bin加到环境变量里面了）：

#hdfs  dfs  -mkdir  /myjob

#hdfs  dfs  -mkdir  /myjob/job1

!!注意，hdfs的目录必须一级一级的创建，不能一次创建多级。

#将文件传入到HDFS

#hdfs  dfs  -put  /data/job1  /myjob/job1

@/data/job1 为本地路径，即导出的mongodb的文件的路径

@/myjob/job1 为HDFS的路径

4）查看已经上传到HDFS的文件

#hdfs  dfs  -ls  /myjob/job1

5）修改权限

#hdfs  dfs  -chmod 777  /myjob/job1

6）获取hdfs里面的文件

#hdfs  dfs  –get  /myjob/job1  /data/job1

7）删除文件

#hdfs  dfs  -rm  /myjob/job1

删除目录

#hdfs  dfs  -rm  -r /myjob

Myjob目录需要为空，如果要强制删除非空目录，需要加上-f。

  

4、            hive里面创建表

#hive

hive>create table if not exists ${table_name}

(

Id string,

Userid string,

.

.

.

comment ‘描述’

row  format serd  ‘com.mongodb.hadoop.hive.BSONSerDe’

with serdeproperties('mongo.columns.mapping'='{hive字段与mongo字段的映射关系}')

stored as inputformat 'com.mongodb.hadoop.mapred.BSONFileInputFormat'

outputformat 'com.mongodb.hadoop.hive.output.HiveBSONFileOutputFormat'

location ‘HDFS的目录’

#location指示的是bson文件所在的HDFS目录，即/myjob/job1.

5、为了方便使用，将导出mongodb到本地，并将文件导入到HDFS里面。做了一个脚本。

#cat hdfs.sh

#!/bin/bash
#此脚本用于将mongodb里面的collection到处为BSON文件，并将文件上传到HDFS里面

#定义要导出的表名
list="
merchants
martproducts
products
coupons
couponlogs
reviews
orderoplogs
orders
"
#判断文件是否存在，存在则删除
for i in $list
do
if [ -e /data/mongodata/$i ];then
rm -rf /data/mongodata/$i
sleep 5s
fi
done

#从mongodb导出数据到本地
for a in $list
do
nohup /data/mongodb/bin/mongodump  -uhqms -phqms123 -h 10.10.111.192:27017  --collection $a --db saturn -o /data/mongodata/$a >>/data/nohup.out 2>&1 &
sleep 1m
done

#将HDFS里面的文件删除
for b in $list
do
nohup /data/hadoop-2.7.3/bin/hdfs  dfs -rm /$b/*.bson >>/data/nohuprm.out 2>&1 &
done

#将本地的文件导入到HDFS里面
for c in $list
do
cd /data/mongodata/$c/saturn
/data/hadoop-2.7.3/bin/hdfs  dfs -put $c.bson /$c
sleep 1m
done

5、将脚本添加计划任务，有两种方式：一种是使用crontab；一种是使用jenkins。

1）使用crontab

#crontab  -e

0 00 * * * /data/hdfs.sh 2>&1 &

2）使用jenkins

1、创建一个项目，名称自己定义，

2、创建运行周期

3）执行