hive从mysql导入数据量变多的解决方案
原始导数命令：
bin/sqoop import -connect jdbc:mysql://192.168.169.128:3306/yubei -username root -password 123456 -table yl_city_mgr_evt_info --split-by rec_id -m 4 --fields-terminated-by "\t" --lines-terminated-by "\n" --hive-import --hive-overwrite -create-hive-table -delete-target-dir -hive-database default -hive-table yl_city_mgr_evt_info
原因分析：可能是mysql中字段里面有'\n'等分隔符，导入hive时默认以'n'作换行符，导致hive中的记录数变多。
解决方法：
导入数据时加上--hive-drop-import-delims选项，会删除字段中的\n,\r,\01。
最终导数命令：
bin/sqoop import -connect jdbc:mysql://192.168.169.128:3306/yubei -username root -password 123456 -table yl_city_mgr_evt_info --split-by rec_id -m 4 --hive-drop-import-delims --fields-terminated-by "\t" --lines-terminated-by "\n" --hive-import --hive-overwrite -create-hive-table -delete-target-dir -hive-database default -hive-table yl_city_mgr_evt_info
参考官方文档：https://sqoop.apache.org/docs/1.4.7/SqoopUserGuide.html
补充：Sqoop导入MySQL数据到Hive遇到的坑
1.sqoop导入到HDFS
1.1执行sqoop job，会自动更新last value
# sqoop 增量导入脚本 bin/sqoop job --create sqoop_hdfs_test02 -- import \ --connect jdbc:mysql://localhost:3306/pactera_test \ --username root \ --password 123456 \ --table student \ --target-dir /user/sqoop/test002/ \ --fields-terminated-by "\t" \ --check-column last_modified \ --incremental lastmodified \ --last-value "2018-12-12 00:03:00" \ --append
说明：--append 参数是必须的，要不然第二次运行job 会报错，如下：
至此，sqoop job 已建设完毕！
2.Hive创建表，并读取sqoop导入的数据
create external table if not exists student_hive (SId int,Sname string ,Sage string,Ssex string , last_modified Timestamp) row format delimited fields terminated by '\t' location 'hdfs://node01:8020/user/sqoop/test002/';
注意：此处hive中时间的格式为timestamp，设置为date DB数据无法正常加载。
第一次全量加载，整条路线完全OK，hive表可以查询到数据。
-----------------------重点分割线-----------------------
* sqoop lastmodified格式的增量加载，会将last-value 保存为job执行的系统时间，若测试数据库的check-column 小于当前系统时间（即上一个job的last-value），则数据将不被加载。
如SId=6 就没有被加载，遂改为今日时间（2018-12-26 17:05）进行数据测试，数据成功被加载！哟呵！！
总结：
使用lastmodified格式，进行sqoop增量导入时，
1.注意--append的使用；
2.last-value为job运行的系统时间，在数据测试时，要保证数据的准确，数据的自增长。
3.一切皆有定数，查看资料，准确定位自己系统遇到的问题
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。如有错误或未考虑完全的地方，望不吝赐教。
相关文章
这篇文章主要介绍了MySQL中关于临时表的一些基本使用方法,是MySQL入门学习中的基础知识,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了mysql密码中有特殊字符&在命令行下登录的操作，具有很好的参考价值希望对大家有所帮助。一起跟随小编过来看看吧2021-02-02
我们大家都知道MySQL 存储过程是从 MySQL 5.0 开始逐渐增加新的功能,下面这篇文章主要给大家介绍了关于MySQL存储过程和函数的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下2022-04-04
这篇文章主要介绍了mysql导入sql文件命令和mysql远程登陆使用详解,需要的朋友可以参考下2014-04-04
本文主要介绍了如何在Windows系统中添加MySQL的环境变量以及如何初始化MySQL,通过添加环境变量,可以在任意一个命令提示符中直接调用MySQL的相关程序,大大简化了操作,初始化MySQL时,需要新建一个配置文件并指定默认编码集和存储引擎,如果初始化过程中出现错误2024-11-11
这篇文章主要介绍了MySQL 慢查询日志的相关资料，帮助大家更好的理解和学习使用MySQL，感兴趣的朋友可以了解下2021-04-04
linux安装两个mysql(8.0和5.7),并同时使用方式
这篇文章主要介绍了如何在CentOS 7上下载和安装MySQL 8.0和MySQL 5.7.30,并详细描述了安装步骤,包括解压、配置、初始化和启动等过程2024-12-12
这篇文章主要介绍了mysql优化小技巧之去除重复项实现方法,结合实例形式分析了mysql去除重复项的方法,并附带了随机查询优化的相关操作技巧,需要的朋友可以参考下2020-01-01
这篇文章主要介绍了MySQL延迟关联性能优化方法,本文讲解了延迟关联的背景、延迟关联的分析、延迟关联的解决等内容,需要的朋友可以参考下2015-05-05
这篇文章主要介绍了MySQL之存储引擎使用及说明，具有很好的参考价值，希望对大家有所帮助。如有错误或未考虑完全的地方，望不吝赐教2023-02-02
最新评论