載入資料

資料載入到Hive分割槽表（兩個分割槽，日期（20181129 ）和小時（10））中
每日載入前一天的日誌檔案資料到表db_track.track_log

1. 資料儲存

資料日誌檔案，放入某個目錄下,每天日誌檔案放入同一個目錄
eg: 20181129 - 目錄名稱

日誌檔案資料，每個小時生成一個檔案，一天總共有二十四個檔案
eg: 20181129 20

2. shell指令碼編寫

負責排程的shell指令碼load_tracklogs.sh
注：這裡涉及到了兩個點：1)for迴圈 2) linux下字串的擷取${line:0:4} 3) 傳遞引數到hive的sql指令碼

#!/bin/sh

## 環境變數生效
. /etc/profile

## HIVE HOME
HIVE_HOME=/opt/cdh5.3.6/hive-0.13.1-cdh5.3.6

## 日誌目錄
LOG_DIR=/data/tracklogs

## 目錄名稱, 依據日期date獲取
yesterday=`date -d -1days '+%Y%m%d'`

### 
for line in `ls $LOG_DIR/${yesterday}`
do
  echo "loading $line .............."
  #從檔名稱中解析出日期和小時
  daily=${line:0:4}${line:4:2}${line:6:2}
  hour=${line:8:2}
  LOAD_FILE=${LOG_DIR}/${yesterday}/${line}
  ###  echo $daily + $hour
  ###  ${HIVE_HOME}/bin/hive -e "LOAD DATA LOCAL INPATH '${LOAD_FILE}' OVERWRITE INTO TABLE db_track.track_log PARTITION(date = '${daily}', hour = '${hour}') ;"
  ${HIVE_HOME}/bin/hive --hiveconf LOAD_FILE_PARAM=${LOAD_FILE} --hiveconf daily_param=${daily} --hiveconf hour_param=${hour} -f /home/hadoop/load_data.sql
done

 

負責載入資料的sql指令碼
注: 怎麼在HQL指令碼中獲取外接傳遞的引數

LOAD DATA LOCAL INPATH '${hiveconf:LOAD_FILE_PARAM}' OVERWRITE INTO TABLE db_track.track_log PARTITION(date = '${hiveconf:daily_param}', hour = '${hiveconf:hour_param}') ;

制定每天定時執行
可以在當前使用者下直接建立：crontab -e
注：crontab中的五個 *號分別代表分，時，日，月，周，下面的例子就是每天晚上1點30執行任務的例子,注意sh命令前一般需要加上絕對路徑

# LODAD DATA INTO TRACK_LOG
30 1 * * * /bin/sh /home/hadoop/load_tracklogs.sh

原文連結：https://www.cnblogs.com/raymoc/p/5321851.html