首先要理解增量的概念,每天更新的数据才需要被添加到hive中,如果全部数据都要导入,会造成冗余
如何实现增量导入hive
使用命令时添加如下参数:
例1 --where modify_time >= '2022-02-10'
例2 --query select 'id , order_status , create_time , modify_time from `order` where modify_time < "2022-02-10 00"00"00" and $CONDITIONS '
出现的问题:
数据统计时,如何查找到全量的、最新的数据
将订单生成一个拉链表
1 向hive导入时报错ClassNotFound hive.metastore.jar
发生这种情况时,sqoop的lib的无法找到hive的jar包
可能是hive3.0版本以上无法兼容sqoop,重新下载了hive2.0版本的,更改sqoop的配置参数,就可以正常使用了
2 hive的表格存储格式为parquet格式,使用sqoop导入数据时可能会不兼容,报数据类型的异常
需要将hive的表格存储格式更改为textfile