解决Kettle与Kerberos集成问题

本文目的：记录Kerberos环境下，通过Kettle将MySQL数据清洗到HDFS过程解决的2个问题，希望对大家有所帮助。

Kettle版本：pdi-ce-7.1.0.0-12

1、在Kerberos与Kettle集成过程中，我们有如下场景：将数据从MySQL定时抽出，然后写到HDFS。

在从MySQL取数并写入HDFS过程中，需要Kettle取得KDC认证，但无论怎么配置，还是无法解决写入HDFS的时候安全认证问题。我们最终定位是Kettle与Kerberos集成的问题。（在Kettle中通过Hive写HDFS依然有问题，不过我们自己解决了）。所以，如果要解决这个问题，方案有2：

a、通过StreamSets或者NiFi实时拉取MySQL数据到HDFS，而StreamSets或者NiFi本身和Kerberos能较好的集成在一起。

b、通过sqoop实现。

a方案看起来很美好，但是在我们的场景下，有几个问题需要解决：

a、从MySQL写入HDFS只是整个ETL任务的其中一环，如果用方案1，那么任务的前后衔接如何处理？

b、从MySQL写入HDFS的任务中，需要一些输入参数（需要读取的MySQL表，读取数据的时间），而目前1方案还无法支持灵活的输入参数配置。

所以我们选择了b方案。在这个方案中，

a、通过Kerberos配置可以保证Client有sqoop访问数据库和文件系统的权限

b、将Kettle中的MySQL抽数并写入HDFS的过程包装成shell脚本，将sqoop需要的输入参数query和target-dir等参数外部传入。

2、在实现方案b的时候，我们将sqoop import的参数动态传入，类似

./xxx.sh sql target-dir值

xxx.sh 的内容非常简单:

sqoop import --connect jdbc:mysql://ip:3306/db --username userXXX --password passXXX --target-dir $2 --fields-terminated-by '|' --split-by 'ID' --m 1 --as-textfile --num-mappers 10 --query $1

注意sqoop import的格式是--query '...'/--query "..." ，query内容前后用了引号，所以在$1引用的时候必须用"$1",否则sqoop会报"uncategorized parameter ..." 

sqoop import --connect jdbc:mysql://ip:3306/db --username userXXX --password passXXX --target-dir $2 --fields-terminated-by '|' --split-by 'ID' --m 1 --as-textfile --num-mappers 10 --query "$1"

另外需要注意的是shell中，'$1'和"$1"是有区别的，如果某个变量赋值为'$1'，则打印的结果还是'$1'；如果是"$1",则会打印$1的引用。