文章目錄

• @[toc] 目錄：
• • 一、利用Sqoop，從Oracle到HDFS
  • 二、利用Sqoop，從Oracle到Hive
  • 三、遇到的問題

目錄：

一、利用Sqoop，從Oracle到HDFS

第一步：把Oracle驅動拷貝到Sqoop安裝路徑中的lib文件夾下。

第二步：切換賬戶su hdfs

第三步：執行import操作

sqoop import --connect jdbc:oracle:thin:@IPAddress:databaseName --username userName --password password --table TABLENAME --target-dir /user/operate -m 1 --where "where子句 and 根據需要添加"

說明：

1、導入的目錄若已經存在則要先刪除已經存在的目錄，否則會報路徑以存在的錯誤提示：

FileAlreadyExistsException: Output directoryhdfs://master:8020/user/operate already exists

刪除路徑語句：hadoop fs –rmr /user/operate

如果多次導入同一個表中的數據，數據要以append的形式插入到HDFS目錄中。

2、-m 1表示使用幾個map任務處理，sqoop默認采用4個map任務，有幾個任務在HDFS中執行，結果中就有幾個part-m文件;若m值不等于1，則導入的表需要有主鍵，否則會報錯：

Error during import: No primary key could befound for table KW_CARENLIST. Please specify one with --split-by or perform asequential import with '-m 1'.

sqoop是根據–splite-by <字段名>進行分區，–m設置map的數量，sqoop根據不同的splite參數進行切分，然后將切分出來的區域分配到不同的map中。Splite-by的參數類型不同則其切分方法不同，如int型，sqoop會取最大和最小splite-by字段。Sqoop會向關系數據庫發送一個命令；select max(id)，min(id) from table，然后會把max、min之間的區間平均分成m份，最后m個并行的map會執行任務。–splite-by認是主鍵，如果操作的表沒有主鍵導入時會報錯。splite-by對非數字類型的字段支持不好，一般用于主鍵及數字類型的字段（對于非數字類型有可能會導致數據量丟失。如：a，b，c，d，e，a，a，v，f，g）。在實例測試中，要導入的Oracle一張表（200多萬條數據）中沒有關鍵字，若以數據表的最后一列（NUMBER類型，值存在null，存在重復值）為splite-by對象，則最終檢驗導入的數據只有100多萬條。

3、Sqoop默認從數據庫導入到HDFS的分隔符是逗號，**可用—field –terminated-by 來指定輸出文件中的行字段分隔符。**如果導入數據的字段內容中存在分隔符，可以另外指定父、字段包圍符和轉轉義字符。

4、空列的值使用null。Sqoop默認導入的數據格式為文本文件。另可導入其他幾種文件格式，如SequenceFile、Avro格式。文本文件不能保存二進制字段（如數據庫中類型為VARBINARY的列），且在區分null值和null字符串時可能出現問題。Avro和SequenceFile格式的文件能夠為導入的數據提供最精確的表示方式，同時還允許對數據進行壓縮，并支持MapReduce并行處理同一文件的不同部分。（不過目前版本還不能將Avro或Sequence文件加載到Hive中，盡管可以手動地將Avro數據文件加載到Hive中）。SequenceFile文件格式的最后一個缺點是它只支持Java語言，而Avro數據文件卻可以被很多語言支持。

5、Sqoop中的map數設置原則：一個表的數據抽取不超過3分鐘，否則就增加map數。

輔助操作：

查看路徑下文件：hadoop fs -ls /user/operate/

打開指定文件：hadoop fs –cat/user/operate/tabe_name

統計文件中行數：hadoop fs –cat /路徑/文件名 |wc –l

二、利用Sqoop，從Oracle到Hive

訪問 Hive數據庫：
第一步：進入到hive命令行。
第二步：直接導入Hive數據庫。

sqoop import --connect jdbc:oracle:thin:@IPAddress:1521:databaseName --username userName --password password --table TABLENAME  -m 1 --hive-import --hive-database test

相比導入到HDFS中，添加了—hive-import 、–hive-database參數。

–hive-import指定導入方式是導入到hive數據庫中

–hive-database指定導入的目標數據庫test，若無此參數則默認導入到Hive的默認數據庫default中

上面的導入結果是導入到了test.test_table中，Hive自動創建了一張與Oracle導入表一樣的表。也可以自己創建表，指定自己的表名：–hive-table tbName。

注意：因Oracle、Hive數據類型的不一致，導入的數據會存在精度減低的問題。

也可以使用–option-file傳入一個文件，使用這種方式可以重用一些配置參數（該方法為測試，看起來不錯，做下記錄，有興趣的可以baidu一下）：

sqoop –option-file /user/hive/import.txt –table test.table
其中，/user/hive/import.txt文件內容如下：

輔助操作：
刪除數據庫：DROP DATABASE IF EXISTS test;

刪除數據庫表：DROP TBALE test.test_table;

退出hive命令行：exit;

三、遇到的問題

在使用Sqoop從Oracle抽數據到Hive表時，有時候會遇到以下報錯

Error: java.lang.RuntimeException: java.lang.RuntimeException: java.sql.SQLRecoverableException: IO Error: Connection resetat org.apache.sqoop.mapreduce.db.DBInputFormat.setDbConf(DBInputFormat.java:170)at org.apache.sqoop.mapreduce.db.DBInputFormat.setConf(DBInputFormat.java:161)at org.apache.hadoop.util.ReflectionUtils.setConf(ReflectionUtils.java:73)at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:133)at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:749)at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:164)at java.security.AccessController.doPrivileged(Native Method)at javax.security.auth.Subject.doAs(Subject.java:422)at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1714)at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158)
Caused by: java.lang.RuntimeException: java.sql.SQLRecoverableException: IO Error: Connection resetat org.apache.sqoop.mapreduce.db.DBInputFormat.getConnection(DBInputFormat.java:223)at org.apache.sqoop.mapreduce.db.DBInputFormat.setDbConf(DBInputFormat.java:168)... 10 more

解決
此問題一般是由于缺少一個生成快速隨機數的工具，一般可以通過在JRE中的java.security中修改securerandom.source的值為以下內容并重新登陸shell解決問題。

cd $JAVA_HOME/jre/lib/securityvi java.securitysecurerandom.source=file:/dev/../dev/urandom