mysql存儲16進制
㈠ 調度工具（ETL+任務流）
kettle是一個ETL工具，ETL（Extract-Transform-Load的縮寫，即數據抽取、轉換、裝載的過程）。
kettle中文名稱叫水壺，該項目的主程序員MATT 希望把各種數據放到一個壺里，然後以一種指定的格式流出。
所以他的重心是用於數據
oozie是一個工作流，Oozie工作流是放置在控制依賴DAG（有向無環圖 Direct Acyclic Graph）中的一組動作（例如，Hadoop的Map/Rece作業、Pig作業等），其中指定了動作執行的順序。
oozie工作流中是有數據流動的，但是重心是在於工作流的定義。
二者雖然都有相關功能及數據的流動，但是其實用途是不一樣的。
查看幫助
列舉出所有Window上的資料庫
查看資料庫下的所有表
（1）確定mysql服務啟動正常
查詢控制埠和查詢進程來確定，一下兩種辦法可以確認mysql是否在啟動狀態
辦法1：查詢埠
MySQL監控的TCP的3306埠，如果顯示3306，證明MySQL服務在運行中
辦法二：查詢進程
可以看見mysql的進程
沒有指定數據導入到哪個目錄，默認是/user/root/表名
原因:
如果表中有主鍵,m的值可以設置大於1的值;如果沒有主鍵只能將m值設置成為1;或者要將m值大於1,需要使用--split-by指定一個欄位
設置了-m 1 說明只有一個maptask執行數據導入,默認是4個maptask執行導入操作,但是必須指定一個列來作為劃分依據
導入數據到指定目錄
在導入表數據到HDFS使用Sqoop導入工具，我們可以指定目標目錄。使用參數 --target-dir來指定導出目的地，使用參數—delete-target-dir來判斷導出目錄是否存在，如果存在就刪掉
查詢導入
提示：must contain '$CONDITIONS' in WHERE clause。
where id <=1 匹配條件
$CONDITIONS：傳遞作用。
如果 query 後使用的是雙引號，則 $CONDITIONS前必須加轉義符，防止 shell 識別為自己的變數。
--query時不能使用--table一起使用
需要指定--target-dir路徑
導入到hdfs指定目錄並指定要求
數據導出儲存方式（數據存儲文件格式---（ textfil parquet）--as-textfileImports data as plain text (default)--as-parquetfile Imports data to Parquet Files）
導入表數據子集到HDFS
sqoop導入blob數據到hive
對於CLOB，如xml文本，sqoop可以遷移到Hive表，對應欄位存儲為字元類型。
對於BLOB，如jpg圖片，sqoop無法直接遷移到Hive表，只能先遷移到HDFS路徑，然後再使用Hive命令載入到Hive表。遷移到HDFS後BLOB欄位存儲為16進制形式。
2.1.3導入關系表到Hive
第一步:導入需要的jar包
將我們mysql表當中的數據直接導入到hive表中的話，我們需要將hive的一個叫做hive-exec-1.1.0-cdh5.14.0.jar的jar包拷貝到sqoop的lib目錄下
第二步:開始導入
導入關系表到hive並自動創建hive表
們也可以通過命令來將我們的mysql的表直接導入到hive表當中去
通過這個命令，我們可以直接將我們mysql表當中的數據以及表結構一起倒入到hive當中去
--incremental 增量模式。
append id 是獲取一個某一列的某個值。
lastmodified 「2016-12-15 15：47：35」 獲取某個時間後修改的所有數據
-append 附加模式
-merge-key id 合並模式
--check-column 用來指定一些列，可以去指定多個列；通常的是指定主鍵id
--last -value 從哪個值開始增量
==注意:增量導入的時候,一定不能加參數--delete-target-dir 否則會報錯==
第一種增量導入方式(不常用)
1.Append方式
使用場景：有個訂單表，裡面每個訂單有一個唯一標識的自增列id，在關系型資料庫中以主鍵的形式存在。之前已經將id在0-1000之間的編號的訂單導入到HDFS 中；如果在產生新的訂單，此時我們只需指定incremental參數為append，--last-value參數為1000即可，表示只從id大於1000後開始導入。
（1）創建一個MySQL表
（2）創建一個hive表（表結構與mysql一致）
注意：
append 模式不支持寫入到hive表中
2.lastModify方式
此方式要求原有表有time欄位，它能指定一個時間戳，讓sqoop把該時間戳之後的數據導入到HDFS；因為後續訂單可能狀體會變化，變化後time欄位時間戳也會變化，此時sqoop依然會將相同狀態更改後的訂單導入HDFS，當然我們可以只當merge-key參數為order-id，表示將後續新的記錄和原有記錄合並。
# 將時間列大於等於閾值的數據增量導入HDFS
使用 lastmodified 方式導入數據，要指定增量數據是要 --append（追加）還是要 --merge-key（合並）last-value 指定的值是會包含於增量導入的數據中。
第二種增量導入方式(推薦)
==通過where條件選取數據更加精準==
2.1.5從RDBMS到HBase
會報錯
原因：sqoop1.4.6 只支持 HBase1.0.1 之前的版本的自動創建 HBase 表的功能。
解決方案：手動創建 HBase 表
導出前，目標表必須存在與目標資料庫中
默認操作是將文件中的數據使用insert語句插入到表中
數據是在HDFS當中的如下目錄/sqoop/emp，數據內容如下
第一步：創建MySQL表
第二步：執行導出命令
通過export來實現數據的導出，將hdfs的數據導出到mysql當中去
全量導出
增量導出
更新導出
總結:
參數介紹
--update-key 後面也可以接多個關鍵字列名，可以使用逗號隔開，Sqoop將會匹配多個關鍵字後再執行更新操作。
--export-dir 參數配合--table或者--call參數使用，指定了HDFS上需要將數據導入到MySQL中的文件集目錄。
--update-mode updateonly和allowinsert。 默認模式為updateonly，如果指定--update-mode模式為allowinsert，可以將目標資料庫中原來不存在的數據也導入到資料庫表中。即將存在的數據更新，不存在數據插入。
組合測試及說明
1、當指定update-key，且關系型資料庫表存在主鍵時：
A、allowinsert模式時，為更新目標資料庫表存的內容，並且原來不存在的數據也導入到資料庫表；
B、updateonly模式時，為更新目標資料庫表存的內容，並且原來不存在的數據也不導入到資料庫表；
2、當指定update-key，且關系型資料庫表不存在主鍵時：
A、allowinsert模式時，為全部數據追加導入到資料庫表；
B、updateonly模式時，為更新目標資料庫表存的內容，並且原來不存在的數據也不導入到資料庫表；
3、當不指定update-key，且關系型資料庫表存在主鍵時：
A、allowinsert模式時，報主鍵沖突，數據無變化；
B、updateonly模式時，報主鍵沖突，數據無變化；
4、當不指定update-key，且關系型資料庫表不存在主鍵時：
A、allowinsert模式時，為全部數據追加導入到資料庫表；
B、updateonly模式時，為全部數據追加導入到資料庫表；
實際案例:
(1)mysql批量導入hive
使用shell腳本：
筆者目前用sqoop把mysql數據導入到Hive中，最後實現命令行導入，sqoop版本1.4.7，實現如下
最後需要把這個導入搞成job，每天定時去跑，實現數據的自動化增量導入，sqoop支持job的管理，可以把導入創建成job重復去跑，並且它會在metastore中記錄增值，每次執行增量導入之前去查詢
創建job命令如下
創建完job就可以去執行它了
sqoop job --exec users
可以把該指令設為Linux定時任務，或者用Azkaban定時去執行它
hive導出到MySQL時，date類型數據發生變化？
問題原因：時區設置問題，date -R查看伺服器時間，show VARIABLES LIKE "%time_zone"查看Mysql時間，system並不表示中國的標准時間，要將時間設置為東八區
（1）：對市面上最流行的兩種調度器，給出以下詳細對比，以供技術選型參考。總體來說，ooize相比azkaban是一個重量級的任務調度系統，功能全面，但配置使用也更復雜。如果可以不在意某些功能的缺失，輕量級調度器azkaban是很不錯的候選對象。
（2）：功能：
兩者均可以調度maprece,pig,java,腳本工作流任務；
兩者均可以定時執行工作流任務；
（3）：工作流定義：
Azkaban使用Properties文件定義工作流；
Oozie使用XML文件定義工作流；
（4）：工作流傳參：
Azkaban支持直接傳參，例如${input}；
Oozie支持參數和EL表達式，例如${fs:dirSize(myInputDir)}；
（5）：定時執行：
Azkaban的定時執行任務是基於時間的；
Oozie的定時執行任務基於時間和輸入數據；
（6）：資源管理：
Azkaban有較嚴格的許可權控制，如用戶對工作流進行讀/寫/執行等操作；
Oozie暫無嚴格的許可權控制；
（7）：工作流執行：
Azkaban有兩種運行模式，分別是solo server mode(executor server和web server部署在同一台節點)和multi server mode(executor server和web server可以部署在不同節點)；
Oozie作為工作流伺服器運行，支持多用戶和多工作流；
（8）：工作流管理：
Azkaban支持瀏覽器以及ajax方式操作工作流；
Oozie支持命令行、HTTP REST、Java API、瀏覽器操作工作流；
瀏覽器頁面訪問
http://node03:8081/
使用Oozie時通常整合hue,用戶數據倉庫調度
就是剛才選擇的腳本
腳本里需要的參數，盡量設置為動態自動獲取，如 ${date}
第一步的參數是所有文件和當天日期，後面的只需要日期，最後一步是導出所有結果，相應填入
添加文件和設置相應參數
運行後會有狀態提示頁面，可以看到任務進度
點擊調度任務的頁面情況
修改定時任務名和描述
添加需要定時調度的任務
sm-workflow的參數都是寫死的，沒有設置動態，這里的下拉列表就不會有可選項。
設置參數
將sm-workflow的日期修改為 ${do_date}，保存
進入定時計劃sm-dw中，會看到有參數 do_date
填入相應參數，前一天日期
Oozie常用系統常量
當然，也可以通過這樣將參數傳入workflow任務中，代碼或者shell中需要的參數。
如，修改sm-workflow 中的 sqoop_import.sh，添加一個參數 ${num}。
編輯文件（需要登陸Hue的用戶有對HDFS操作的許可權），修改shell中的一個值為參數，保存。
在workflow中，編輯添加參數 ${num} ，或者num=${num} 保存。
進入schele中，可以看到添加的參數，編輯輸入相應參數即可。
Bundle統一管理所有定時調度，階段劃分：Bundle > Schele > workflow