def run(self):
# 前处理
tc = BeforeHandler(self.__args, self.__col_info, self.__db_info,
self.__props)
ret = tc.run()
if ret != 0:
LOG.error("加载前处理失败")
return ret
# 加载处理
# 上传文件到指定hdfs目录
HDFS_WORK_DIR = "{0}/{1}".format(self.__args.loaddir,
self.__args.table)
#put_cmd = "KRB5_CONFIG={0}" \
# " && kinit -kt {1} {2}" \
# " && hadoop fs -rm -r -f {3}" \
# " && hadoop fs -mkdir -p {3}" \
# " && hadoop fs -put {4} {5}"\
# .format(self.__args.krbfile, self.__args.ktfile, self.__args.ktuser, HDFS_WORK_DIR, self.__args.srcfile, HDFS_WORK_DIR)
#LOG.info("HDFS PUT CMD[{0}]".format(put_cmd))
#ret = os.system(put_cmd)
#if ret != 0:
# LOG.error("上传文件到hdfs失败")
# return -1
print "AAA:{0}".format(HDFS_WORK_DIR)
try:
# 建立连接
hdfs_client = KerberosClient(self.__args.nnurl,
principal="{0}".format(
self.__args.ktuser))
# 删除历史目录
hdfs_client.delete(HDFS_WORK_DIR, recursive=True)
# 创建新的目录
hdfs_client.makedirs(HDFS_WORK_DIR)
# 上传文件到HDFS
hdfs_client.upload(HDFS_WORK_DIR, self.__args.srcfile)
except:
traceback.print_exc()
LOG.error("数据加载失败")
return -1
LOG.info("数据加载成功")
# 后处理
tc = AfterHandler(self.__args, self.__db_info, self.__props)
ret = tc.run()
if ret != 0:
LOG.error("加载后处理失败")
return ret
return 0
principal=config['kerberos_principal'],
keytab_file=config['keytab_file'],
ccache_file=config['kerberos_cache_file']):
# hive.Connection()
con = hive.connect(host='uatnd02.csdntest.com.local',
port=10000,
auth='KERBEROS',
kerberos_service_name="hive"
) # host为hiveserver2所在节点，port默认10000，为hs2的端口
cursor = con.cursor()
cursor.execute('select * from dl_nccp.account limit 5') # 不能有分号！
# cursor.execute('desc dl_nccp.account') #不能有分号！
datas = cursor.fetchall()
print(datas)
cursor.close()
con.close()
conn = dbapi.connect(host='uatnd02.csdntest.com.local',
port=10000,
auth_mechanism='GSSAPI',
kerberos_service_name="hive")
cursor = conn.cursor()
# hdfs kerberos
client = KerberosClient('http://hdfs_ip:50070', hostname_override="hdfs域名")
client._list_status()
client.list()
client.delete()
client.upload()
client.download()
client.makedirs('test')
counter = 0
for file_path in file_list_arr:
file_path = source_directory + file_path
status = client.status(file_path, strict=False)
if bool(status):
file_name = os.path.basename(file_path)
key_name = s3_folder_name + file_name
with client.read(file_path) as f:
s3.upload_fileobj(f, bucket_name, key_name)
client.delete(file_path, recursive=False, skip_trash=True)
counter = counter + 1
py_logger.info("File: " + file_path + " moved to s3 bucket")
py_logger.info("S3 script execution completed. No.of Files moved: " + str(counter))
#Compresses the log files which are greater than 30 days
today = date.today()
current_day = datetime.now().strftime('%d')
log_directory = log_file_path.rpartition('/')[0] + log_file_path.rpartition('/')[1]
tarFileName = log_directory + today.strftime("%d-%m-%Y") + '.tar.gz'
if current_day == "30":
# writing files to a compressed file
with tarfile.open(tarFileName, "w:gz") as tar:
# writing each file one by one
class OperateHDFS:
def __init__(self, url):
'''
:param url:HDFS名称节点的主机名或IP地址,以协议为前缀,其次是namenode上的WebHDFS端口,也可以指定多个URL以分号分隔以获取高可用性支持.
'''
# 实例化HDFS web client using Kerberos authentication
self.client = KerberosClient(url)
def file_list(self, file_path):
'''
:param file_path: HDFS远程目录路径
:return: 返回一个远程目录中包含的所有文件
'''
file_detail = self.client.list(hdfs_path=file_path)
return file_detail
def file_read(self, file_path):
'''
从HDFS中读取文件
:param file_path: HDFS远程文件路径
:return:
'''
lines = []
with self.client.read(hdfs_path=file_path,
encoding='utf-8',
delimiter=r'\n') as reader:
# content = file.read()
# print(content)
for item in reader:
lines.append(item.strip())
return lines
def file_create_write(self, file_path, data_write):
'''
在HDFS中创建新文件并写入内容
:param file_path: HDFS远程文件路径
:param data_write: 写入到文件的数据
:return:
'''
self.client.write(hdfs_path=file_path,
data=data_write,
encoding='utf-8')
def file_append_write(self, file_path, data_append):
'''
在HDFS中已存在的文件中追加写入内容，文件必须已存在
:param file_path: HDFS远程文件路径
:param data_append: 追加到文件的数据
:return:
'''
self.client.write(hdfs_path=file_path,
data=data_append,
encoding='utf-8',
append=True)
def file_rename(self, src_file_path, dst_file_path):
'''
重命名/移动文件或文件夹
:param src_file_path: 源文件路径
:param dst_file_path: 目的文件路径
:return:
'''
self.client.rename(hdfs_src_path=src_file_path,
hdfs_dst_path=dst_file_path)
def mkdir(self, file_path):
'''
在HDFS中创建远程目录，必要时递归创建
:param file_path: 需要新建的文件夹路径(包含名字)
:return:
'''
self.client.makedirs(hdfs_path=file_path)
def upload_files(self, file_path, local_path):
'''
上传文件或目录到HDFS
:param file_path:HDFS目标路径。如果它已经存在并且是一个目录，文件将被上传其中。
:param local_path:文件或文件夹的本地路径。 如果是文件夹，则将上传其中的所有文件（请注意，这意味着没有文件的文件夹将不会远程创建）
:return:hdfs_path_return:成功后，此方法将返回远程上传路径。
'''
hdfs_path_return = self.client.upload(hdfs_path=file_path,
local_path=local_path)
return hdfs_path_return
def download_files(self, file_path, local_path):
'''
从HDFS下载一个文件或文件夹并将其保存在本地
:param file_path:HDFS上要下载的文件或文件夹的路径。 如果是文件夹，则将下载该文件夹下的所有文件
:param local_path:本地路径。 如果它已经存在并且是目录，则文件将在其中下载。
:return: local_path_return:成功后，此方法将返回本地下载路径
'''
local_path_return = self.client.download(hdfs_path=file_path,
local_path=local_path)
return local_path_return
def delete_files(self, file_path):
'''
从HDFS中删除文件或目录
:param file_path: HDFS中需要删除的文件或目录的路径
:return:如果删除成功，则此函数返回“ True”，如果先前在“ hdfs_path”处不存在文件或目录，则返回“ False”。
'''
# recursive：递归删除文件和目录。 默认情况下，如果尝试删除非空目录，则此方法将引发HdfsError。
# skip_trash：设置为false时，已删除的路径将被移至相应的垃圾文件夹，而不是被删除。 这需要Hadoop 2.9+且在集群上启用trash
return self.client.delete(hdfs_path=file_path,
recursive=False,
skip_trash=True)
def set_files_permission(self, file_path):
'''
更改文件的权限
:param file_path: 需要更改权限的文件路径
:return:
'''
# permission：文件的新八进制权限字符串
self.client.set_permission(hdfs_path=file_path, permission=None)
