一、目标

用Kettle把Hive的DWS层数据增量导入到ClickHouse中

工具版本：Kettle：8.2     Hive:3.1.2     ClickHouse21.9.5.16

全量导入请访问拙作链接

http://t.csdn.cn/Rqvuvhttp://t.csdn.cn/Rqvuv

二、前提准备

（一）kettle已连上Hive

（二）kettle已连上ClickHouse 

 

三、实施步骤

（一）打开kettle，新建转换任务。拖拽2个表输入、替换NULL值、字段选择、表输出控件

1.表输入控件：在输入控件模块

2.替换NULL值控件：在应用模块

3.字段选择控件：在转换控件模块

4.表输出控件：在输出控件模块

（二）配置第一个表输入控件 

1、目标

通过SQL语句获取clickhouse表的最新时间

2.实施步骤

第一步，双击表输入控件，打开操作界面

第二步，选择目标表所在的数据库

第三步，输入SQL语句获得目标表数据的最新时间

select(
select
create_time
from  hurys_dc_ads.ads_area_traffic_status_1hour
order by create_time desc limit 1) as  create_time

第四步，预览数据

（三）配置替换NULL值控件

1、目标

防止由于目标表没有数据而导致异常，因此给第一个表输入控件的时间字段赋值

2.实施步骤

 第一步，双击替换NULL值控件，打开操作界面

第二步，点击获取字段

第三步，将字段值替换为1000-01-01 00:00:01  并且设置转换掩码yyyy-MM-dd HH:mm:ss

（四）配置第二个表输入控件 

1、目标

通过SQL语句查询Hive中的增量数据

2.实施步骤

 第一步，双击表输入控件，打开操作界面

第二步，选择数据源表所在的数据库

第三步，输入SQL语句以查询Hive中的增量数据

第一个坑：注意string字段类型的类型转换

经测试：

--int字段、float、timestamp字段都可以直接用
--string字段   cast(device_no as varchar(50))

select
       cast(device_no as varchar(50)),
       create_time,
       start_time,
       cast(name as varchar(50)),
       lane_no,
       lane_length,
       target_count,
       occupancy,
       speed_avg,
       cast(day as varchar(50))
from hurys_dc_dws.dws_area_traffic_status_1hour
where  create_time >  ?

第四步，勾选替换SQL语句里的变量

第五步，从步骤插入数据里选择替换NULL值

第六步，设置记录数量限制

（五）配置字段选择控件

1.在选择和修改页面，点击获取选择的字段

2.在元数据模块，点击获取改变的字段。修改相应的字段，比如字段名、字段类型、字段格式等等 

 第二个坑：这里的day字段千万不要选择Date字段类型

（六）配置表输出控件

1.在主选项页面

（1）可以修改步骤名称为clickhouse输出

（2）选择连接对应的clickhouse数据库、目标模式就是数据库名、目标表为表名

（3）勾选指定数据库字段

（4）勾选使用批量插入

 2.在数据库字段页面

点击获取字段，检查相同字段名是否映射

 （七）Ctrl+S保存，给kettle任务命名，然后点击运行

 （八）再次点击运行一下kettle任务，验证是否增量导入

 （九）在clickhouse表里检查数据，验证一下

 这样，用kettle从hive到clickhouse的增量导入就成功了！

乐于奉献共享，帮助你我他！！！