1?Bcp 介紹

bcp? 實(shí)用工具可以在? Microsoft?SQL?Server? 實(shí)例和用戶指定格式的數(shù)據(jù)文件間大容量復(fù)制數(shù)據(jù)。?使用? bcp? 實(shí)用工具可以將大量新行導(dǎo)入? SQL?Server? 表，或?qū)⒈頂?shù)據(jù)導(dǎo)出到數(shù)據(jù)文件。?除非與? queryout? 選項(xiàng)一起使用，否則使用該實(shí)用工具不需要了解? Transact-SQL? 知識。?若要將數(shù)據(jù)導(dǎo)入表中，必須使用為該表創(chuàng)建的格式文件，或者必須了解表的結(jié)構(gòu)以及對于該表中的列有效的數(shù)據(jù)類型。 ?

(1)? 導(dǎo)入。

這個動作使用 in 命令完成，后面跟需要導(dǎo)入的文件名。?

(2)? 導(dǎo)出。

這個動作使用 out 命令完成，后面跟需要導(dǎo)出的文件名。?

(3)? 使用 SQL 語句導(dǎo)出。

這個動作使用 queryout 命令完成，它跟 out 類似，只是數(shù)據(jù)源不是表或視圖名，而是 SQL 語句。?

(4)? 導(dǎo)出格式文件。

這個動作使用 format 命令完成，后而跟格式文件名。?

下面介紹一些常用的選項(xiàng)：?

-f?format_file?

format_file 表示格式文件名。這個選項(xiàng)依賴于上述的動作，如果使用的是 in 或 out ， format_file 表示已經(jīng)存在的格式文件，如果使用的是 format 則表示是要生成的格式文件。?

-x?

這個選項(xiàng)要和 -f?format_file 配合使用，以便生成 xml 格式的格式文件。

-F?first_row?

指定從被導(dǎo)出表的哪一行導(dǎo)出，或從被導(dǎo)入文件的哪一行導(dǎo)入。?

-L?last_row?

指定被導(dǎo)出表要導(dǎo)到哪一行結(jié)束，或從被導(dǎo)入文件導(dǎo)數(shù)據(jù)時，導(dǎo)到哪一行結(jié)束。?

-c?

使用 char 類型做為存儲類型，沒有前綴且以 "\t" 做為字段分割符，以 "\n" 做為行分割符。?

-w?

和 -c 類似，只是當(dāng)使用 Unicode 字符集拷貝數(shù)據(jù)時使用，且以 nchar 做為存儲類型。?

-t?field_term?

指定字符分割符，默認(rèn)是 "\t" 。?

-r?row_term?

指定行分割符，默認(rèn)是 "\n" 。?

-S?server_name[?\instance_name]?

指定要連接的 SQL?Server 服務(wù)器的實(shí)例，如果未指定此選項(xiàng)， bcp 連接本機(jī)的 SQL?Server 默認(rèn)實(shí)例。如果要連接某臺機(jī)器上的默認(rèn)實(shí)例，只需要指定機(jī)器名即可。?

-U?login_id?

指定連接 SQL?Sever 的用戶名。?

-P?password?

指定連接 SQL?Server 的用戶名密碼。?

-T?

指定 bcp 使用信任連接登錄 SQL?Server 。如果未指定 -T ，必須指定 -U 和 -P 。?

-k?

指定空列使用 null 值插入，而不是這列的默認(rèn)值。?

2? 部署與流程

3? 詳細(xì)設(shè)計(jì)

3.1?Sqlserver 數(shù)據(jù)導(dǎo)出到臨時文本階段

Log 類

BcpSqlserver 類

JdbcStream 類

SqlserverToTxt 類

（代碼見 SVN-SqlserverToHive ）

此階段的是根據(jù)自定義每個導(dǎo)出文件中的數(shù)據(jù)行數(shù)進(jìn)行分文件導(dǎo)出，一個導(dǎo)出成果如下：

導(dǎo)出效率分析：

測試一個文件 1000,10000,100000 條數(shù)據(jù)，比較完成時間：

文件數(shù)據(jù)行數(shù)? =?1000?start:1359102390172?end:1359102452310?time?use?:62138ms

文件數(shù)據(jù)行數(shù)? =?10000?start:1359102452310?end:1359102461626?time?use?:9316ms

文件數(shù)據(jù)行數(shù)? =?100000?start:1359102461626?end:1359102462997?time?use?:1371ms

文件數(shù)據(jù)行數(shù)? =?1000000?start:1359102577696?end:1359102578501?time?use?:805ms

所以，用 bcp 導(dǎo)數(shù)據(jù)，文件越少效率越高，這是 bcp 內(nèi)部的 sql 優(yōu)化導(dǎo)致的。但是，考慮到實(shí)際需要，如果需對一個文件有控制，則可以自己設(shè)定文件大小。

?

3.2? 臨時文本導(dǎo)入到 hive/hdfs 階段

3.2.1? 導(dǎo)入 hive

創(chuàng)建符合行列規(guī)則的 hive 表

CREATE?TABLE?table1?(a?STRING,?b?STRING)
ROW?FORMAT?DELIMITED?FIELDS?TERMINATED?BY?'\t'?ESCAPED?BY?'\\'
STORED?AS?TEXTFILE; ?

?

Jdbc 連接 hive ，執(zhí)行 load 語句

LOAD?DATA?LOCAL?INPATH?'/home/admin/test/test.txt'?OVERWRITE?INTO?TABLE?test_1?

?

或者直接創(chuàng)建外表指向hdfs中的數(shù)據(jù)文件

?

create external table IF NOT EXISTS mytest (ID string,Symbol string)?LOCATION '/tmp/sqltohdfs

?

?

?

3.2.2? 導(dǎo)入 hdfs

多線程每個線程處理一個文件導(dǎo)入到 hdfs 中

參考代碼

import ?java.io.IOException;

import ?java.net.URI;

import ?java.io.FileInputStream;???

??

import ?org.apache.hadoop.conf.Configuration;??

import ?org.apache.hadoop.fs.FileSystem;??

import ?org.apache.hadoop.fs.FSDataOutputStream;??

import ?org.apache.hadoop.fs.Path;??

import ?org.apache.hadoop.io.IOUtils;

?

?

public ? class ?LocalToHDFS?{

//?s?為本地文件路徑

//?d?為 hdfs 絕對路徑

public ? static ? void ? uploadLocalFile2HDFS (String?s,?String?d)

throws ?IOException?{

Configuration?conf?=? new ?Configuration();

FileSystem?hdfs?=?FileSystem. get (URI. create (d),?conf);

FileInputStream?in?=? null ;

FSDataOutputStream?out?=? null ;

try ?{

in?=? new ?FileInputStream(s);

out?=?hdfs.create( new ?Path(d));

IOUtils. copyBytes (in,?out,?4096,? false );

}? finally ?{

IOUtils. closeStream (in);

IOUtils. closeStream (out);

}

?

}

}

?

---