【甘道夫】Hadoop2.2.0环境使用Sqoop-1.4.4将Oracle11g数据导入HBase0.96，并自动生成组合行键


目的： 使用Sqoop将Oracle中的数据导入到HBase中，并自动生成组合行键！
环境： Hadoop2.2.0 Hbase0.96 sqoop-1.4.4.bin__hadoop-2.0.4-alpha.tar.gz Oracle11g jdk1.7 Ubuntu14 Server
这里关于环境吐槽一句： 最新版本的Sqoop1.99.3功能太弱，只支持导入数据到HDFS，没有别的任何选项，太土了！（如有不同意见欢迎讨论给出解决方案）
命令： sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:oracle:thin:@192.168.0.147:1521:ORCLGBK --username ZHAOBIAO --P --table  CMS_NEWS_0625   --hbase-create-table --hbase-table 147patents --column-family patentinfo --split-by CREATE_TIME --hbase-row-key "CREATE_TIME,PUBLISH_TIME,ID,TITLE"

 数据源相关参数说明： --connect：数据库连接串
 --username：用户名
 --P：交互式输入密码 --table：表名 -m：并行执行sqoop导入程序的map task的数量，在不指定的情况下默认启动4个map --split-by：并行导入过程中，各个map task根据哪个字段来划分数据段，该参数最好指定一个能相对均匀划分数据的字段，比如创建时间、递增的ID
HBase相关参数说明： --hbase-table：hbase中接收数据的表名 --hbase-create-table：如果指定的接收数据表在hbase中不存在，则新建表
 --column-family：列族名称，所有源表的字段都进入该列族
 --hbase-row-key：如果不指定则采用源表的key作为hbase的row key。可以指定一个字段作为row key，或者指定组合行键，当指定组合行键时，用双引号包含多个字段，各字段用逗号分隔 -D sqoop.hbase.add.row.key ：是否将rowkey相关字段写入列族中，默认为false，默认情况下你将在列族中看不到任何row key中的字段。注意，该参数必须放在import之后。

注意几个坑： 1.Oracle的表名必须大写（--table CMS_NEWS_0625） ； 2.用户名必须大写字母（ --username ZHAOBIAO）； 3.组合行键参数中的字段名都必须大写（--hbase-row-key "CREATE_TIME,PUBLISH_TIME,TITLE"）； 4.作为组合行键的几个字段都不能有null值，否则会报错，请执行该语句前先确认； 5.sqoop不会导入值为null的字段。
异常解决 过程中遇到报错： Error: java.io.IOException: Could not insert row with null value for row-key column: OPERATE_TIME         at org.apache.sqoop.hbase.ToStringPutTransformer.getPutCommand(ToStringPutTransformer.java:125)         at org.apache.sqoop.hbase.HBasePutProcessor.accept(HBasePutProcessor.java:142)         at org.apache.sqoop.mapreduce.DelegatingOutputFormat$DelegatingRecordWriter.write(DelegatingOutputFormat.java:128)         at org.apache.sqoop.mapreduce.DelegatingOutputFormat$DelegatingRecordWriter.write(DelegatingOutputFormat.java:92)         at org.apache.hadoop.mapred.MapTask$NewDirectOutputCollector.write(MapTask.java:634)         at org.apache.hadoop.mapreduce.task.TaskInputOutputContextImpl.write(TaskInputOutputContextImpl.java:89)         at org.apache.hadoop.mapreduce.lib.map.WrappedMapper$Context.write(WrappedMapper.java:112)         at org.apache.sqoop.mapreduce.HBaseImportMapper.map(HBaseImportMapper.java:38)         at org.apache.sqoop.mapreduce.HBaseImportMapper.map(HBaseImportMapper.java:31)         at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)         at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64)         at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:763)         at org.apache.hadoop.mapred.MapTask.run(MapTask.java:339)         at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:162)         at java.security.AccessController.doPrivileged(Native Method)         at javax.security.auth.Subject.doAs(Subject.java:415)         at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1491)         at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:157)
原因1： --hbase-row-key "create_time,publish_time,operate_time,title" 字段名小写了，需要将其修改为大写 --hbase-row-key "CREATE_TIME,PUBLISH_TIME,TITLE"

原因2：
该字段在原表中的确存在Null值。
补充：         Map-Reduce Framework                 Map input records=639529                 Map output records=639529
166251 row(s) in 1006.7010 seconds



相关内容