Sqoop数据导出一致性问题

最新推荐文章于 2022-08-27 14:33:13 发布

原创最新推荐文章于 2022-08-27 14:33:13 发布 · 2.4k 阅读

1 ·

CC 4.0 BY-SA版权

sqoop 专栏收录该内容

6 篇文章

订阅专栏

本文探讨了在使用Sqoop导出数据至MySQL过程中遇到的数据一致性问题，特别是当部分Map任务失败导致数据库中出现部分数据的情况。通过设置临时表(--staging-table)选项，可以确保数据完整性和避免重复数据，实现数据的正确导入。

场景

如Sqoop在导出到Mysql时，使用4个Map任务，过程中有2个任务失败，那此时MySQL中存储了另外两个Map任务导入的数据，此时老板正好看到了这个报表数据。而开发工程师发现任务失败后，会调试问题并最终将全部数据正确的导入MySQL，那后面老板再次看报表数据，发现本次看到的数据与之前的不一致，这在生产环境是不允许的。

解决

官网描述及参数介绍http://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html:
Since Sqoop breaks down export process into multiple transactions, it is possible that a failed export job may result in partial data being committed to the database. This can further lead to subsequent jobs failing due to insert collisions in some cases, or lead to duplicated data in others. You can overcome this problem by specifying a staging table via the --staging-table option which acts as an auxiliary table that is used to stage exported data. The staged data is finally moved to the destination table in a single transaction.
在这里插入图片描述
使用小例子:

sqoop export --connect jdbc:mysql://192.168.137.10:3306/user_behavior --username root --password 123456 --table app_cource_study_report --columns watch_video_cnt,complete_video_cnt,dt --fields-terminated-by "\t" --export-dir "/user/hive/warehouse/tmp.db/app_cource_study_analysis_${day}" --staging-table app_cource_study_report_tmp --clear-staging-table --input-null-string '\N'