sqoop之从oracle导入hbase的问题与sqoop hbase 需要注意的一个问题

转载URL：

http://blog.csdn.net/liuxingjiaofu/article/details/6953701

sqoop从oracle导入， 需要有ojdbc6.jar,放在$SQOOP_HOME/lib里，不用添加到classpath里，因为sqoop会自己遍历lib文件夹并添加里面的所有jar包 --connect与mysql的不一样，如下（shell脚本中的主要部分）

#Oracle的连接字符串，其中包含了Oracle的地址，SID，和端口号
#CONNECTURL=jdbc:oracle:thin:@172.7.10.16:1521:orcl
CONNECTURL=jdbc:oracle:thin:@172.7.10.16:1521:orcl
#使用的用户名
ORACLENAME=scott
#使用的密码
ORACLEPASSWORD=wang123456
#需要从Oracle中导入的表名
oralceTableName=test
#需要从Oracle中导入的表中的字段名
columns=ID,STATE
#将Oracle中的数据导入到HDFS后的存放路径
#hdfsPath=/tmp/

#执行导入逻辑。将Oracle中的数据导入到HDFS中
sqoop import --append --connect $CONNECTURL --username $ORACLENAME --password $ORACLEPASSWORD --m 1 --table $oralceTableName --columns $columns --hbase-create-table --hbase-table or1 --hbase-row-key STATE --column-family or1

我的oracle服务器是在windowsXP上运行的，期间遇到两个解决起来耗时不小的问题
1. ERROR manager.SqlManager: Error executing statement: java.sql.SQLRecoverableException: Io 异常: The Network Adapter could not establish the connection

11/11/09 19:43:44 ERROR sqoop.Sqoop: Got exception running Sqoop: java.lang.NullPointerException
java.lang.NullPointerException
    at com.cloudera.sqoop.orm.ClassWriter.generate(ClassWriter.java:935)
    at com.cloudera.sqoop.tool.CodeGenTool.generateORM(CodeGenTool.java:82)
    at com.cloudera.sqoop.tool.ImportTool.importTable(ImportTool.java:337)
    at com.cloudera.sqoop.tool.ImportTool.run(ImportTool.java:423)

    at com.cloudera.sqoop.Sqoop.run(Sqoop.java:144)

连接不上oracle服务器，经多方查找，最后确定是因为windows的防火墙没有关！ 关掉！OK，可以连接了。

2. ERROR tool.ImportTool: Encountered IOException running import job: java.io.IOException: Could not determine the row-key column. Use --hbase-row-key to specify the input column that names each row.
    at com.cloudera.sqoop.mapreduce.HBaseImportJob.configureOutputFormat(HBaseImportJob.java:114)
    at com.cloudera.sqoop.mapreduce.ImportJobBase.runImport(ImportJobBase.java:160)

……

……

说的很清楚了，hbase自己找不到哪一列是row-key，为什么呢？因为我的oracle表test是这样定义的 create table test(ID INT, STATE INT);并且插入了四条数据

，如下

ID STATE

1   10

1   30

1   40

1   80

而刚开始的时候我没有写 --hbase-row-key这一项，此时sqoop默认将表的第一列作为hbase表的rowkey,大家当然知道rowkey必须是唯一的，即一个rowkey可以唯一确定1条或0条记录，但是我的很显然不符合此规定，因此，默认是不行滴，如果加 --hbase-row-key ID同理也是不行滴，因此，针对我要导入的test表只能暂时用--hbase-row-key STATE了。

一个问题，我用mysql导入hive中有个问题，昨天至今未解决，就是sqoop import 执行成功，hdfs中也能够在hive的warehouse中看到导入的表及内容，但是在hive外壳中执行show tables ; 却不显示新导入的表！唉……估计是hive配置没配好，再研究

一个待研究：对rdbms，如mysql中的一个表，假设有四列，由于hbase的rowkey设计好了会极大提高查询效率，一般将其rowkey用mysql中的三列组合起来，即假设mysql表中为：姓名，出生年月，地点，工资。可以令rowkey为姓名_出生年月_地点，如何实现呢，只需要在现有mysql表中，新建一列rowkey，执行一个update 语句

update mysqltable set rowkey=姓名_出生年月_地点

然后在sqoop import 进hbase时 制定rowkey  --hbase -row-key  rowkey

待实验