hive数据导入mysql主键_sqoop从hive导入数据到mysql时出现主键冲突

今天在将一个hive数仓表导出到mysql数据库时出现进度条一直维持在95%一段时间后提示失败的情况，搞了好久才解决。使用的环境是HUE中的Oozie的workflow任何调用sqoop命令，该死的oozie的日志和异常提示功能太辣鸡了，最后发现是重复数据导致数据进入mysql表时出现主键冲突进而导致数据同步失败。

(1)众所周知hive表是没有主键与索引的，但是mysql的表一般在创建时就会指定主键，所以在把hive表中的数据导入mysql表的时候通常会使用原hive表中的多个字段构成联合主键，这几个主键字段的值必须能唯一地标识表中的每一条记录，也即导入数据的这几个字段的联合值不能出现重复值。

比如下面这张mysql表中主键由5个字段构成agent_id,estate_id,event_name,action_timestamp,dt，因此在导入数据时需保证不能出现重复值。

CREATE TABLE IF NOT EXISTS tmp_shujuxiong_20190116(

agent_id bigint(20) NOT NULL DEFAULT ‘0‘ comment ‘经纪人id‘,

agent_true_name varchar(1000) DEFAULT NULL comment ‘经纪人姓名‘,

longitude varchar(1000) DEFAULT NULL comment ‘用户所在经度‘,

latitude varchar(1000) DEFAULT NULL comment ‘用户所在纬度‘,

action_timestamp VARCHAR(200) NOT NULL comment ‘动作时间‘,

action_date VARCHAR(200) NOT NULL comment ‘动作日期‘,

event_name varchar(200) NOT NULL comment ‘事件名称‘,

estate_id bigint(20) NOT NULL comment ‘楼盘id‘,

estate_name varchar(1000) DEFAULT NULL comment ‘楼盘名称‘,

estate_developer_name varchar(1000) DEFAULT NULL comment ‘楼盘开发商名称‘,

estate_developer_brand_name varchar(1000) DEFAULT NULL comment ‘楼盘开发商品牌‘,

load_job_number varchar(1000) DEFAULT NULL comment ‘数据仓库调度工具oozie job单次运行id, 使用oozie EL function: ${wf:id()}‘,

load_job_name varchar(1000) DEFAULT NULL comment ‘数据仓库调度工具oozie_job名称: 使用oozie EL function: ${wf:name()}‘,

insert_timestamp timestamp NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP comment ‘数据仓库数据插入时间‘,

source_system_code INT(11) comment ‘数据仓库的源系统数据分类：1-二手房；2-新房；3-金融；4-租房‘,

dt varchar(8) NOT NULL comment ‘分区字段‘,

PRIMARY KEY (agent_id,estate_id,event_name,action_timestamp,dt),

KEY agent_id (agent_id)

) ENGINE=INNODB DEFAULT CHARSET=utf8mb4 COMMENT ‘XXX接口数据‘

;

(2)另一个需要注意的问题的是字段类型与字段长度，hive的数据类型与mysql的数据不完全相同，因此mysql中创建表的时候需要特别注意字段的类型与长度。

(3)可以在hive表中使用一个自增字段起到类似主键的作用，以便于在hive和mysql间进行数据同步，确保数据同步时不发生主键冲突。

如下面这段HQL脚本中可以使用自增序号字段起到主键的作用，在其他字段组合不能保证数据唯一性的时候

alter table tmp_table_name drop if exists partition (dt = ‘${dt}‘);

alter table tmp_table_name add if not exists partition (dt = ‘${dt}‘);

insert overwrite table tmp_table_name partition(dt = ‘${dt}‘)

select

row_number()over() as row_number -- 自增序号

, id

...

from ...