Datax的txtfilereader插件实践

Stella981
• 阅读 926

一、介绍

TxtFileReader提供了读取本地文件系统数据存储的能力。在底层实现上,TxtFileReader获取本地文件数据,并转换为DataX传输协议传递给Writer。

二、配置模版

{
    "setting": {},
    "job": {
        "setting": {
            "speed": {
                "channel": 2
            }
        },
        "content": [
            {
                "reader": {
                    "name": "txtfilereader",
                    "parameter": {
                        "path": ["/home/haiwei.luo/case00/data"],
                        "encoding": "UTF-8",
                        "column": [
                            {
                                "index": 0,
                                "type": "long"
                            },
                            {
                                "index": 1,
                                "type": "boolean"
                            },
                            {
                                "index": 2,
                                "type": "double"
                            },
                            {
                                "index": 3,
                                "type": "string"
                            },
                            {
                                "index": 4,
                                "type": "date",
                                "format": "yyyy.MM.dd"
                            }
                        ],
                        "fieldDelimiter": ","
                    }
                },
                "writer": {
                    "name": "txtfilewriter",
                    "parameter": {
                        "path": "/home/haiwei.luo/case00/result",
                        "fileName": "luohw",
                        "writeMode": "truncate",
                        "format": "yyyy-MM-dd"
                    }
                }
            }
        ]
    }
}

三、使用说明

  1. 支持且仅支持读取TXT的文件,且要求TXT中shema为一张二维表。

  2. 支持类CSV格式文件,自定义分隔符。

  3. 支持多种类型数据读取(使用String表示),支持列裁剪,支持列常量

四、实践

最近需要导一张表,原来的表数据是存放在hive上的,利用python脚本处理数据之后直接插入到hive的。现在是要将这张表的数据导入到greenplum中。表数据在7200万左右

方法:将hive数据导出成csv文件,利用datax导入到greenplum

Datax的txtfilereader插件实践

开干:

配置json文件

{
    "content":[
        {
            "reader":{
                "name":"txtfilereader",
                "parameter":{
                    "column":[
                        {
                            "format":"yyyy-MM-dd",
                            "index":0,
                            "type":"date"
                        },
                        {
                            "index":1,
                            "type":"string"
                        },
                        {
                            "index":2,
                            "type":"string"
                        },
                        {
                            "index":3,
                            "type":"string"
                        },
                        {
                            "index":4,
                            "type":"string"
                        },
                        {
                            "index":5,
                            "type":"long"
                        },
                        {
                            "index":6,
                            "type":"long"
                        },
                        {
                            "index":7,
                            "type":"long"
                        },
                        {
                            "index":8,
                            "type":"long"
                        }
                    ],
                    "encoding":"utf-8",
                    "fieldDelimiter":",",
                    "path":[
                        "/home/tianyafu/flux_timecount_action.csv"
                    ]
                }
            },
            "writer":{
                "name":"gpdbwriter",
                "parameter":{
                    "column":[
                        "record_date",
                        "outid",
                        "tm_type",
                        "serv",
                        "app",
                        "down_flux",
                        "up_flux",
                        "seconds",
                        "count"
                    ],
                    "connection":[
                        {
                            "jdbcUrl":"jdbc:postgresql://192.168.100.21:5432/ods",
                            "table":[
                                "ods_flux_timecount_action"
                            ]
                        }
                    ],
                    "password":"******",
                    "segment_reject_limit":0,
                    "username":"admin"
                }
            }
        }
    ],
    "setting":{
        "errorLimit":{
            "percentage":0.02,
            "record":0
        },
        "speed":{
            "channel":"1"
        }
    }
}

然后就失败了呀

Datax的txtfilereader插件实践

确定错误是数据中有null值,无法转换为Long类型。

查询到解决方法是添加:

nullFormat配置项

nullFormat

描述:文本文件中无法使用标准字符串定义null(空指针),DataX提供nullFormat定义哪些字符串可以表示为null。

例如如果用户配置: nullFormat:"\N",那么如果源头数据是"\N",DataX视作null字段。

必选:否 

默认值:\N 

那就加上呗,

{
    "content":[
        {
            "reader":{
                "name":"txtfilereader",
                "parameter":{
                    "column":[
                        {
                            "format":"yyyy-MM-dd",
                            "index":0,
                            "type":"date"
                        },
                        {
                            "index":1,
                            "type":"string"
                        },
                        {
                            "index":2,
                            "type":"string"
                        },
                        {
                            "index":3,
                            "type":"string"
                        },
                        {
                            "index":4,
                            "type":"string"
                        },
                        {
                            "index":5,
                            "type":"long"
                        },
                        {
                            "index":6,
                            "type":"long"
                        },
                        {
                            "index":7,
                            "type":"long"
                        },
                        {
                            "index":8,
                            "type":"long"
                        }
                    ],
                    "csvReaderConfig":{
                        "safetySwitch":false,
                        "skipEmptyRecords":false,
                        "useTextQualifier":false
                    },
                    "encoding":"utf-8",
                    "fieldDelimiter":",",
                    "nullFormat":"null",
                    "path":[
                        "/home/tianyafu/flux_timecount_action.csv"
                    ]
                }
            },
            "writer":{
                "name":"gpdbwriter",
                "parameter":{
                    "column":[
                        "record_date",
                        "outid",
                        "tm_type",
                        "serv",
                        "app",
                        "down_flux",
                        "up_flux",
                        "seconds",
                        "count"
                    ],
                    "connection":[
                        {
                            "jdbcUrl":"jdbc:postgresql://192.168.100.21:5432/ods",
                            "table":[
                                "ods_flux_timecount_action"
                            ]
                        }
                    ],
                    "password":"******",
                    "segment_reject_limit":0,
                    "username":"admin"
                }
            }
        }
    ],
    "setting":{
        "errorLimit":{
            "percentage":0.02,
            "record":0
        },
        "speed":{
            "channel":"1"
        }
    }
}

结果又失败了

Datax的txtfilereader插件实践

看来是大小写敏感的,继续改:

{
    "content":[
        {
            "reader":{
                "name":"txtfilereader",
                "parameter":{
                    "column":[
                        {
                            "format":"yyyy-MM-dd",
                            "index":0,
                            "type":"date"
                        },
                        {
                            "index":1,
                            "type":"string"
                        },
                        {
                            "index":2,
                            "type":"string"
                        },
                        {
                            "index":3,
                            "type":"string"
                        },
                        {
                            "index":4,
                            "type":"string"
                        },
                        {
                            "index":5,
                            "type":"long"
                        },
                        {
                            "index":6,
                            "type":"long"
                        },
                        {
                            "index":7,
                            "type":"long"
                        },
                        {
                            "index":8,
                            "type":"long"
                        }
                    ],
                    "csvReaderConfig":{
                        "safetySwitch":false,
                        "skipEmptyRecords":false,
                        "useTextQualifier":false
                    },
                    "encoding":"utf-8",
                    "fieldDelimiter":",",
                    "nullFormat":"NULL",
                    "path":[
                        "/home/tianyafu/flux_timecount_action.csv"
                    ]
                }
            },
            "writer":{
                "name":"gpdbwriter",
                "parameter":{
                    "column":[
                        "record_date",
                        "outid",
                        "tm_type",
                        "serv",
                        "app",
                        "down_flux",
                        "up_flux",
                        "seconds",
                        "count"
                    ],
                    "connection":[
                        {
                            "jdbcUrl":"jdbc:postgresql://192.168.100.21:5432/ods",
                            "table":[
                                "ods_flux_timecount_action"
                            ]
                        }
                    ],
                    "password":"******",
                    "segment_reject_limit":0,
                    "username":"admin"
                }
            }
        }
    ],
    "setting":{
        "errorLimit":{
            "percentage":0.02,
            "record":0
        },
        "speed":{
            "channel":"1"
        }
    }
}

Datax的txtfilereader插件实践

终于成功了

看来这个参数是大小写敏感的

点赞
收藏
评论区
推荐文章
blmius blmius
3年前
MySQL:[Err] 1292 - Incorrect datetime value: ‘0000-00-00 00:00:00‘ for column ‘CREATE_TIME‘ at row 1
文章目录问题用navicat导入数据时,报错:原因这是因为当前的MySQL不支持datetime为0的情况。解决修改sql\mode:sql\mode:SQLMode定义了MySQL应支持的SQL语法、数据校验等,这样可以更容易地在不同的环境中使用MySQL。全局s
Wesley13 Wesley13
3年前
java将前端的json数组字符串转换为列表
记录下在前端通过ajax提交了一个json数组的字符串,在后端如何转换为列表。前端数据转化与请求varcontracts{id:'1',name:'yanggb合同1'},{id:'2',name:'yanggb合同2'},{id:'3',name:'yang
皕杰报表之UUID
​在我们用皕杰报表工具设计填报报表时,如何在新增行里自动增加id呢?能新增整数排序id吗?目前可以在新增行里自动增加id,但只能用uuid函数增加UUID编码,不能新增整数排序id。uuid函数说明:获取一个UUID,可以在填报表中用来创建数据ID语法:uuid()或uuid(sep)参数说明:sep布尔值,生成的uuid中是否包含分隔符'',缺省为
待兔 待兔
3个月前
手写Java HashMap源码
HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程HashMap的使用教程22
Jacquelyn38 Jacquelyn38
3年前
2020年前端实用代码段,为你的工作保驾护航
有空的时候,自己总结了几个代码段,在开发中也经常使用,谢谢。1、使用解构获取json数据let jsonData  id: 1,status: "OK",data: 'a', 'b';let  id, status, data: number   jsonData;console.log(id, status, number )
Wesley13 Wesley13
3年前
mysql设置时区
mysql设置时区mysql\_query("SETtime\_zone'8:00'")ordie('时区设置失败,请联系管理员!');中国在东8区所以加8方法二:selectcount(user\_id)asdevice,CONVERT\_TZ(FROM\_UNIXTIME(reg\_time),'08:00','0
Wesley13 Wesley13
3年前
00:Java简单了解
浅谈Java之概述Java是SUN(StanfordUniversityNetwork),斯坦福大学网络公司)1995年推出的一门高级编程语言。Java是一种面向Internet的编程语言。随着Java技术在web方面的不断成熟,已经成为Web应用程序的首选开发语言。Java是简单易学,完全面向对象,安全可靠,与平台无关的编程语言。
Stella981 Stella981
3年前
Django中Admin中的一些参数配置
设置在列表中显示的字段,id为django模型默认的主键list_display('id','name','sex','profession','email','qq','phone','status','create_time')设置在列表可编辑字段list_editable
Wesley13 Wesley13
3年前
MySQL部分从库上面因为大量的临时表tmp_table造成慢查询
背景描述Time:20190124T00:08:14.70572408:00User@Host:@Id:Schema:sentrymetaLast_errno:0Killed:0Query_time:0.315758Lock_
Python进阶者 Python进阶者
9个月前
Excel中这日期老是出来00:00:00,怎么用Pandas把这个去除
大家好,我是皮皮。一、前言前几天在Python白银交流群【上海新年人】问了一个Pandas数据筛选的问题。问题如下:这日期老是出来00:00:00,怎么把这个去除。二、实现过程后来【论草莓如何成为冻干莓】给了一个思路和代码如下:pd.toexcel之前把这