使用sqoop導(dǎo)入數(shù)據(jù)至hive常用語句
直接導(dǎo)入hive表
sqoop import
--connect jdbc:postgresql://ip/db_name
--username user_name
--table table_name
--hive-import -m 5
內(nèi)部執(zhí)行實(shí)際分三部，1.將數(shù)據(jù)導(dǎo)入hdfs（可在hdfs上找到相應(yīng)目錄），2.創(chuàng)建hive表名相同的表，3，將hdfs上數(shù)據(jù)傳入hive表中
sqoop根據(jù)postgresql表創(chuàng)建hive表
sqoop create-hive-table
--connect jdbc:postgresql://ip/db_name
--username user_name
--table table_name
--hive-table hive_table_name
( --hive-partition-key partition_name若需要分區(qū)則加入分區(qū)名稱)
導(dǎo)入hive已經(jīng)創(chuàng)建好的表中
sqoop import
--connect jdbc:postgresql://ip/db_name
--username user_name
--table table_name
--hive-import -m 5
--hive-table hive_table_name
(--hive-partition-key partition_name --hive-partition-value partititon_value);
使用query導(dǎo)入hive表
sqoop import
--connect jdbc:postgresql://ip/db_name
--username user_name
--query "select ,* from retail_tb_order where \$CONDITIONS"
--hive-import -m 5
--hive-table hive_table_name
(--hive-partition-key partition_name --hive-partition-value partititon_value);
注意：$CONDITIONS條件必須有，query子句若用雙引號，則$CONDITIONS需要使用\轉(zhuǎn)義，若使用單引號，則不需要轉(zhuǎn)義。
遇到問題
若需要在導(dǎo)入hive數(shù)據(jù)表的前提下，再添加在原有關(guān)系型數(shù)據(jù)庫中沒有的一列數(shù)據(jù)如何解決。
首先，我們想到的是添加一個partition可很方便的添加“一列”數(shù)據(jù)，partition的使用很類似普通一列，常用的sql執(zhí)行是沒有問題的。
其次，想到在query的sql中添加一個常量或者一個變量，例如：”select 'hello',* from retail_tb_order where \$CONDITIONS“，執(zhí)行后會報異常
12/08/28 14:41:31 INFO tool.CodeGenTool: Beginning code generation
12/08/28 14:41:31 INFO manager.SqlManager: Executing SQL statement: select 'hello',* from retail_tb_order where (1 = 0)
12/08/28 14:41:32 INFO manager.SqlManager: Executing SQL statement: select 'hello',* from retail_tb_order where (1 = 0)
12/08/28 14:41:32 ERROR orm.ClassWriter: Cannot resolve SQL type 1111
12/08/28 14:41:32 ERROR orm.ClassWriter: Cannot resolve SQL type 1111
12/08/28 14:41:32 ERROR orm.ClassWriter: No Java type for SQL type 1111 for column _column_
12/08/28 14:41:32 ERROR orm.ClassWriter: No Java type for SQL type 1111 for column _column_
12/08/28 14:41:32 ERROR orm.ClassWriter: No Java type for SQL type 1111 for column _column_
12/08/28 14:41:32 ERROR orm.ClassWriter: No Java type for SQL type 1111 for column _column_
12/08/28 14:41:32 ERROR orm.ClassWriter: No Java type for SQL type 1111 for column _column_
12/08/28 14:41:32 ERROR orm.ClassWriter: No Java type for SQL type 1111 for column _column_
12/08/28 14:41:32 ERROR sqoop.Sqoop: Got exception running Sqoop: java.lang.NullPointerException
java.lang.NullPointerException
at org.apache.sqoop.orm.ClassWriter.parseNullVal(ClassWriter.java:900)
at org.apache.sqoop.orm.ClassWriter.parseColumn(ClassWriter.java:925)
at org.apache.sqoop.orm.ClassWriter.generateParser(ClassWriter.java:999)
at org.apache.sqoop.orm.ClassWriter.generateClassForColumns(ClassWriter.java:1314)
at org.apache.sqoop.orm.ClassWriter.generate(ClassWriter.java:1138)
at org.apache.sqoop.tool.CodeGenTool.generateORM(CodeGenTool.java:82)
at org.apache.sqoop.tool.ImportTool.importTable(ImportTool.java:367)
at org.apache.sqoop.tool.ImportTool.run(ImportTool.java:453)
at org.apache.sqoop.Sqoop.run(Sqoop.java:145)
at org.apache.hadoop.util.ToolRunner.run(ToolRunner.java:65)
at org.apache.sqoop.Sqoop.runSqoop(Sqoop.java:181)
at org.apache.sqoop.Sqoop.runTool(Sqoop.java:220)
at org.apache.sqoop.Sqoop.runTool(Sqoop.java:229)
at org.apache.sqoop.Sqoop.main(Sqoop.java:238)
at com.cloudera.sqoop.Sqoop.main(Sqoop.java:57)
該問題出現(xiàn)原因是sqoop ClassWriter類會在postgresql表中解析sql中的所有列，當(dāng)解析常量'hello'時，數(shù)據(jù)庫沒有該列也就找不到相應(yīng)的數(shù)據(jù)類型。
若要解決該問題應(yīng)該需修改ClassWriter源碼。
補(bǔ)充：使用Sqoop，最終導(dǎo)入到hive中的數(shù)據(jù)和原數(shù)據(jù)庫中數(shù)據(jù)不一致解決辦法
Sqoop是一款開源的工具，主要用于在Hadoop(Hive)與傳統(tǒng)的數(shù)據(jù)庫(mysql、postgresql...)間進(jìn)行數(shù)據(jù)的傳遞，可以將一個關(guān)系型數(shù)據(jù)庫（例如 ： MySQL ,Oracle ,Postgres等）中的數(shù)據(jù)導(dǎo)進(jìn)到Hadoop的HDFS中，也可以將HDFS的數(shù)據(jù)導(dǎo)進(jìn)到關(guān)系型數(shù)據(jù)庫中。
1.問題背景
使用Sqoop把oracle數(shù)據(jù)庫中的一張表，這里假定為student，當(dāng)中的數(shù)據(jù)導(dǎo)入到hdfs中，然后再創(chuàng)建hive的external表，location到剛才保存到hdfs中數(shù)據(jù)的位置。最后發(fā)現(xiàn)對hive中表特定條件進(jìn)行count時結(jié)果和oracle中結(jié)果不一致。
1.1 導(dǎo)入數(shù)據(jù)到hdfs中/user/hadoop/student路徑下
sqoop import --connect "jdbc:oracle:thin:@//localhost:1521/student" --password "***" --username "***" --query "select * from student where name='zhangsan' and class_id='003' and \$CONDITIONS" --target-dir "/user/hadoop/student" --verbose -m 1
這個時候hdfs上/user/hadoop/student下就保存了從oracle上導(dǎo)入的表數(shù)據(jù)。
表數(shù)據(jù)在hdfs上是如何存儲的呢？注意這一點(diǎn)，造成了最后產(chǎn)生結(jié)果不一致的錯誤。
我們來看一看在hdfs上數(shù)據(jù)是如何存儲的。我們運(yùn)行hadoop fs -cat /user/hadoop/student/part-m-00000,可以看到原來字段與字段之間都用‘，'分隔開，這是sqoop默認(rèn)的，這時候，如果一個字段值當(dāng)中包含‘，'，再向hive中插入數(shù)據(jù)時分隔就會出錯。因?yàn)閔ive也是用‘，'分隔的。
2.分析問題
對hive中表select count(*) from student的結(jié)果和oracle中select count(*) from studeng的結(jié)果進(jìn)行比較，發(fā)現(xiàn)條數(shù)是一樣的，說明沒有少load數(shù)據(jù)。那為什么對特定條件結(jié)果就會不一致，而且hive中條數(shù)比oracle中少。也就是同時運(yùn)行select count(*) from student where class_id='003'
最后，發(fā)現(xiàn)hive用逗號分隔數(shù)據(jù)時，有幾條數(shù)據(jù)字段內(nèi)值包含有逗號，所以字段與值對應(yīng)起來就亂套了，所以得不到正確結(jié)果。
我們建議用‘\001'來進(jìn)行sqoop 導(dǎo)入數(shù)據(jù)時的 分割。也就是--fields-terminated-by char>參數(shù)。
參考：http://sqoop.apache.org/docs/1.4.2/SqoopUserGuide.html#_large_objects
最后優(yōu)化后的sqoop語句為：
sqoop import --connect "jdbc:oracle:thin:@//localhost:1521/student" --password "***" --username "***" --query "select * from student where name='zhangsan' and class_id='003' and \$CONDITIONS" --target-dir "/user/hadoop/student" --fields-terminated-by "\001" --verbose -m 1
以上為個人經(jīng)驗(yàn)，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
您可能感興趣的文章:- 在Hadoop集群環(huán)境中為MySQL安裝配置Sqoop的教程
- sqoop export導(dǎo)出 map100% reduce0% 卡住的多種原因及解決
- 解決sqoop從postgresql拉數(shù)據(jù),報錯TCP/IP連接的問題
- sqoop讀取postgresql數(shù)據(jù)庫表格導(dǎo)入到hdfs中的實(shí)現(xiàn)
- 解決sqoop import 導(dǎo)入到hive后數(shù)據(jù)量變多的問題
- 使用shell腳本執(zhí)行hive、sqoop命令的方法
- Sqoop的安裝與使用詳細(xì)教程
