hive和datax數據採集數量對不上
對數據的時候發現有些對不上,在hive中 staff_id = 'DF67B3FC-02DD-4142-807A-DF4A75A4A22E’的數據只有1033
而在mysql中發現staff_id = 'DF67B3FC-02DD-4142-807A-DF4A75A4A22E’的數據有4783條記錄(昨天的記錄是4781)
這個數據即使是由於離線採集也不會相差這麼大,肯定是哪裡出現了問題
原因:
在datax中修改cn_attendance_day_print的job文件,只要 staff_id = 'DF67B3FC-02DD-4142-807A-DF4A75A4A22E’的記錄
發現採集過來的確實是4781條數據
那麼datax到hdfs的鏈路是正確的
所以需要去查看一下剛剛採集過來的數據,由於之前的記錄都刪除了,所以懶得再去復現了,說一下最終的處理結果
後面發現原因是由於大小寫的原因,hive是區分數據大小寫的,但是在mysql中這邊設置了全局大小寫不區分
解決方案
在datax中將string類型的數據全部轉為大寫或者小寫文章来源:https://www.toymoban.com/news/detail-541657.html
示例如下:文章来源地址https://www.toymoban.com/news/detail-541657.html
{
"job": {
"content": [{
"transformer": [{
"parameter": {
"code": "for(int i=0;i<record.getColumnNumber();i++){if(record.getColumn(i).getByteSize()!=0){Column column = record.getColumn(i); def str = column.asString(); def newStr=null; newStr=str.replaceAll(\"[\\r\\n]\",\"\"); record.setColumn(i, new StringColumn(newStr)); };};return record;",
"extraPackage": []
},
"name": "dx_groovy"
}],
"writer": {
"parameter": {
"writeMode": "append",
"fieldDelimiter": "\u0001",
"column": [{
"type": "string",
"name": "id"
}, {
"type": "string",
"name": "username"
}, {
"type": "string",
"name": "user_id"
}, {
"type": "string",
"name": "superior_id"
}, {
"type": "string",
"name": "finger_print_number"
}],
"path": "${targetdir}",
"fileType": "text",
"defaultFS": "hdfs://mycluster:8020",
"compress": "gzip",
"fileName": "cn_staff"
},
"name": "hdfswriter"
},
"reader": {
"parameter": {
"username": "dw_readonly",
"column": ["id", "username", "user_id", "superior_id", "finger_print_number"],
"connection": [{
"table": ["cn_staff"],
"jdbcUrl": ["jdbc:mysql://*******"]
}],
"password": "******",
"splitPk": ""
},
"name": "mysqlreader"
}
}],
"setting": {
"speed": {
"channel": 3
},
"errorLimit": {
"record": 0,
"percentage": 0.02
}
}
}
}
到了这里,关于hive和datax數據採集數量對不上的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!