sqoop动态分区导入mysql,使用sqoopimport从mysql往hive含分区表中导入数据的一些注意事项...

先看下面这条语句&＃xff0c;它实现的功能是将特定日期的数据从mysql表中直接导入hive

$ sqoop import \

--connect jdbc:mysql://192.168.xx.xx:3306/db_name?useSSL&＃61;false \

--username xxx --password xxxxxx \

--query "select d.id, d.callsign, d.sobt from t_flight_baseinfo d where d.id is not null and d.sobt >&＃61; &＃39;2020-12-27&＃39; and \$CONDITIONS" \

--target-dir /user/hive/warehouse/datapros.db/t_flight_baseinfo/dt&＃61;2020-12-27 \

--delete-target-dir --fields-terminated-by &＃39;\t&＃39; --split-by d.id \

--hive-import --hive-overwrite --m 2 --direct \

--hive-database datapros --hive-table t_flight_baseinfo \

--hive-partition-key dt --hive-partition-value 2020-12-27

以下对命令中的参数作简单说明&＃xff1a;

--connect /--username / --password

很明显&＃xff0c;这是mysql数据库的连接字符串

--query

这是选取数据的查询语句。这里需要注意的是&＃xff1a;

每条查询语句必须要添加where条件&＃xff1b;

末尾还要加上&＃39;$CONDITIONS&＃39;这个占位符&＃xff1b;

当使用双引号包裹住这个查询语句时&＃xff0c;&＃39;$CONDITIONS&＃39;前要加上转义符变为&＃39;\$CONDITIONS&＃39;&＃xff0c;而如果使用单引号来包裹&＃xff0c;就不用加转义符&＃xff01;

--target-dir

mysql数据导入HDFS后的目标路径(也即hive表的“数据文件”地址)

--delete-target-dir

导入前是否先删除target-dir中定义的目录(如果存在的话)

说明&＃xff1a;这个参数比较重要&＃xff01;一般情况下&＃xff0c;同一条导入语句&＃xff0c;第一次执行时&＃xff0c;要不要这个参数没有关系&＃xff0c;但如果是多次执行同一条导入语句&＃xff0c;而又没有提前手工删除目标目录时&＃xff0c;就出出现“Output directory hdfs://hadoop:9820/somepath/${target_dir} already exists”&＃xff0c;因此&＃xff0c;这个参数一定要加上

--direct

使用直接导入模式&＃xff0c;可以提高导入速度

--m 2

指定并行执行导入数据任务的map进程个数

--hive-database / --hive-table t_flight_baseinfo

指定导入到hive中的目标数据库与数据表名称

--hive-partition-key / --hive-partition-value

指定hive数据表的分区信息

--hive-overwrite

指定hive中的目标表可以被多次覆盖写入

--hive-import / --create-hive-table

1、create-hive-table&＃xff1a;在hive中创建目标表(不管它是不是已经存在)&＃xff0c;如果目标表已经存在&＃xff0c;就会给出“AlreadyExistsException(message:Table XXX already exists”出错信息&＃xff1b;

2、hive-import &＃xff1a; hive-import在执行时&＃xff0c;会自动生成一个建表的sql语句&＃xff0c;当hive中不存在表时&＃xff0c;它即自动创建目标表与存储目录&＃xff0c;然后再导入数据&＃xff1b;

mysql往hive带分区表中导入实践

1、在实践中发现&＃xff0c;当需要创建带分区的表时&＃xff0c;如果使用--create-hive-table参数&＃xff0c;则每次都会提示表已存在错误(这个表确实是存在)&＃xff1b;不过&＃xff0c;这个错误提示不影响命令的正确执行&＃xff1b;

2、但是&＃xff0c;如果不带上这个参数&＃xff0c;如果之前这个分区已存在 &＃xff0c;则会出现在hive表中能查到这个分区&＃xff0c;但是它实际的存储目录已经被删除(delete-target-dir参数的效果)&＃xff0c; hive-import会认为此分区已存在&＃xff0c;就停止从mysql中往hdfs中导入数据&＃xff0c;最后提示导入的数据numFiles&＃61;0&＃xff0c;相当于分区表被清空&＃xff1b;

3、如果不想每次都看到表已存在的错误提示&＃xff0c;可以在执行导入命令之前&＃xff0c;先执行一下 hive -e "alter table db_name.tb_name drop partition(partition_key&＃61;&＃39;partition_value&＃39;);"),先删除这个分区&＃xff0c;这样hive-import就会创建hive表分区与重建存储目录。当然&＃xff0c;这时候就不用加--create-hive-table参数了。