Sqoop 遇到的問題

1.   想用 sqoop 增量的方式導入到 hive。運行下面的命令：

sqoop import --connect jdbc:mysql://192.168.7.159:3306/test 
--username root --password 123456 
--query "select name, age,  dept, update_dt from emp WHERE \$CONDITIONS" 
--hive-import --hive-database default --hive-table emp_tmp 
--target-dir /warehouse/tablespace/managed/hive/emp_tmp    
--fields-terminated-by '\001' --incremental lastmodified  
--check-column update_dt --last-value '2018-03-21' --append -m 1

   錯誤提示： --incremental lastmodified option for hive imports is not supported

我暈， --incremental lastmodified 和 --hive-import 居然不能同時使用。把 lastmodified 改爲 append 後就能夠運行了。看了 sqoop 的官方文檔，append 一般用於自增的 id 列，lastmodified 用於更新的日期列，日期一樣也能夠比較大小啊，有點不明白爲何 lastmodified 不能夠。

2. 上面命令中，若是去掉 「--hive-import --hive-database default --hive-table emp_tmp」 後，一樣能夠導入數據，在 hive 中運行 select * from emp_tmp 能夠看到有數據，可是運行 select count(1) from emp_tmp  出來的結果是 0 

3. 上面命令中 「-m」 指定有多少個 map 任務，若是任務數大於 1，則須要額外指定  --split-by <分割列>

4. 用下面的命令能夠建立一個 job。

sqoop job --create emp_job --  import 
--connect jdbc:mysql://192.168.7.159:3306/test 
--username root --password 123456 
--query "select name, id, age, dept, update_tm from emp where \$CONDITIONS" 
--target-dir /warehouse/tablespace/managed/hive/emp 
--fields-terminated-by '\001' --hive-delims-replacement ' '  
--null-string "" --null-non-string ""  
--hive-import --hive-database default --hive-table emp 
--incremental lastmodified  --check-column update_tm --last-value '1980-01-01 00:00:00' --append -m 1 

使用  sqoop job --exec emp_job 就能夠進行一次導入了，sqoop 會自動記錄上一次的更新時間，用於替換之後跑這個 job 時 last-value 的值

5. 怎麼查詢 sqoop 的 job 每次用到的 last-value 的值？

 找到 metastore.db.script 這個文件所在的位置，打開它，搜索 incremental.last.value ，每一個 job 都會對應一個。 

find / -name metastore.db.script

2. 查詢表中的記錄時，出現 ORC split generation failed with exception: org.apache.orc.FileFormatException: Malformed ORC file 的異常

 

緣由：HDP 的 hive 中設置了默認存儲格式爲 ORC， 用 sqoop 增量方式導入 emp 表時，使用的是 textfile 的格式。因此查詢時就出現這個問題。很奇怪，sqoop 能夠指定 avro，parquet 等格式，惟獨沒有 ORC 格式。