自己在使用Sqoop的过程中碰到许多问题,经过很长时间的查询与摸索,所以有了以下这些总结,为了自己以后方便查询,也为了其他人不再为相同的问题困扰,所以写了这篇文章。
1、生成sqoop import模板
sqoop 的import命令导入的时候可以指定模板(--jar-file 、--class-name),指定模板后就按模板格式导入,不再按默认方式生成模板,生成模板的命令是:
sqoop codegen --connect jdbc:oracle:thin:@//ip:port/dbname --username name --password pwd --table tablename --fields-terminated-by '\001'
2、模板生成class文件并打包
通过codegen 命令生成的模板是一个java文件,获取java文件后可以修改间隔符、换行符等内容,并重新编译成class文件,打成jar包。生成class文件的时候需要用到hadoop的jar包和sqoop的jar包,hadoop 2.x.x之前使用的hadoop的jar包是hadoop-core.jar,但hadoop2.x.x之后没有这个jar包了,需要使用hadoop-common-2.x.x.jar 和hadoop-mapreduce-client-core-2.x.x.jar ,并且使用sqoop-1.4.6.jar, 通过javac命令就可以编译calss了。
3、导入hdfs和导入hive
导入hdfs直接使用import命令就可以,通过--fields-terminated-by '指定间隔符,如果直接导入hive,则需要增加--hive-import,并且在创建表的时候使用 row format delimited fields terminated by '\001' 指定hive表的间隔符,这样hive就可以正确的识别列了。