第一章 Sqoop专题之开发常见问题

1、数据跑一半出问题，HDFS文件系统进入数据

①违反数据库约束
②数据库连接机制
③由于分割符等原因，传输列数和表的列数不一致

2、并行度

1kw以内的=4个，1-9kw=8个，1亿 = 12个，2亿 = 16 个

3、hive表顺序和MySQL表顺序

hive里面的字段顺序必须和目标表的字段顺序相同，否则会报错
***HDFS以文件形式导出

4、sqoop性能优化

***重点考虑：数据量超过500W，日增量超过10W
***解决方案：分时切片，参数优化

①总体策略
sqoop优化基于map分配，字段切分，并考虑oracle分区，主键和索引字段
–direct的优化策略，map的个数不能超过32个

②核心代码及解读
–split-by和–num-mappers
(–split-by"colx")+(–num-mappers k)这两个组合项

sqoop先获取分裂字段”colx“的max和min

5、sqoop从Oracle导入hive常见问题

1、导入hive时忘记
–hive import 选项

2、关系表中的date类型抽到hive中，时分秒被截断
–map-column-hive last_date = string

3、输入列名，大小写不统一，列名遗漏

4、无主键导入时
–num-mappers设置为或设置–split-by项

5、设置–target-dir项时
要先删除（–delete-target-dir）
解决–target-dir换成
–hive-table hive表名

6、–hive-import不支持
–append增量导入的模式

7、–delete-target-dir不支持
–append增量导入模式

8、ORA-28040
ojbdc14.jar和oracle版本匹配问题

9、sqoop ORA-01652
临时表空间过小，或者不能自动扩展大小。