尚硅谷大数据技术之Hive 第13章 常见错误及解决方案

1)SecureCRT 7.3出现乱码或者删除不掉数据,免安装版的SecureCRT 卸载或者用虚拟机直接操作或者换安装版的SecureCRT

2)连接不上mysql数据库

(1)导错驱动包,应该把mysql-connector-java-5.1.27-bin.jar导入/opt/module/hive/lib的不是这个包。错把mysql-connector-java-5.1.27.tar.gz导入hive/lib包下。

(2)修改user表中的主机名称没有都修改为%,而是修改为localhost

3)hive默认的输入格式处理是CombineHiveInputFormat,会对小文件进行合并。

hive (default)> set hive.input.format;

hive.input.format=org.apache.hadoop.hive.ql.io.CombineHiveInputFormat

可以采用HiveInputFormat就会根据分区数输出相应的文件。

hive (default)> set hive.input.format=org.apache.hadoop.hive.ql.io.HiveInputFormat;

4)不能执行mapreduce程序

可能是hadoop的yarn没开启。

5)启动mysql服务时,报MySQL server PID file could not be found! 异常。

在/var/lock/subsys/mysql路径下创建hadoop102.pid,并在文件中添加内容:4396

6)报service mysql status MySQL is not running, but lock file (/var/lock/subsys/mysql[失败])异常。

解决方案:在/var/lib/mysql 目录下创建: -rw-rw—-. 1 mysql mysql        5 12月 22 16:41 hadoop102.pid 文件,并修改权限为 777。

附录:Sqoop常用命令及参数手册

这里给大家列出来了一部分Sqoop操作时的常用参数,以供参考,需要深入学习的可以参看对应类的源代码。

序号

命令

说明

1

import

ImportTool

将数据导入到集群

2

export

ExportTool

将集群数据导出

3

codegen

CodeGenTool

获取数据库中某张表数据生成Java并打包Jar

4

create-hive-table

CreateHiveTableTool

创建Hive表

5

eval

EvalSqlTool

查看SQL执行结果

6

import-all-tables

ImportAllTablesTool

导入某个数据库下所有表到HDFS中

7

job

 

JobTool

用来生成一个sqoop的任务,生成后,该任务并不执行,除非使用命令执行该任务。

8

list-databases

ListDatabasesTool

列出所有数据库名

9

list-tables

ListTablesTool

列出某个数据库下所有表

10

merge

MergeTool

将HDFS中不同目录下面的数据合在一起,并存放在指定的目录中

11

metastore

 

MetastoreTool

记录sqoop job的元数据信息,如果不启动metastore实例,则默认的元数据存储目录为:~/.sqoop,如果要更改存储目录,可以在配置文件sqoop-site.xml中进行更改。

12

help

HelpTool

打印sqoop帮助信息

13

version

VersionTool

打印sqoop版本信息

命令&参数详解

刚才列举了一些Sqoop的常用命令,对于不同的命令,有不同的参数,让我们来一一列举说明。

首先来我们来介绍一下公用的参数,所谓公用参数,就是大多数命令都支持的参数。

公用参数:数据库连接

序号

参数

说明

1

–connect

连接关系型数据库的URL

2

–connection-manager

指定要使用的连接管理类

3

–driver

Hadoop根目录

4

–help

打印帮助信息

5

–password

连接数据库的密码

6

–username

连接数据库的用户名

7

–verbose

在控制台打印出详细信息

公用参数:import

序号

参数

说明

1

–enclosed-by <char>

给字段值前加上指定的字符

2

–escaped-by <char>

对字段中的双引号加转义符

3

–fields-terminated-by <char>

设定每个字段是以什么符号作为结束,默认为逗号

4

–lines-terminated-by <char>

设定每行记录之间的分隔符,默认是\n

5

–mysql-delimiters

Mysql默认的分隔符设置,字段之间以逗号分隔,行之间以\n分隔,默认转义符是\,字段值以单引号包裹。

6

–optionally-enclosed-by <char>

给带有双引号或单引号的字段值前后加上指定字符。

公用参数:export

序号

参数

说明

1

–input-enclosed-by <char>

对字段值前后加上指定字符

2

–input-escaped-by <char>

对含有转移符的字段做转义处理

3

–input-fields-terminated-by <char>

字段之间的分隔符

4

–input-lines-terminated-by <char>

行之间的分隔符

5

–input-optionally-enclosed-by <char>

给带有双引号或单引号的字段前后加上指定字符

公用参数:hive

序号

参数

说明

1

–hive-delims-replacement <arg>

用自定义的字符串替换掉数据中的\r\n和\013 \010等字符

2

–hive-drop-import-delims

在导入数据到hive时,去掉数据中的\r\n\013\010这样的字符

3

–map-column-hive <arg>

生成hive表时,可以更改生成字段的数据类型

4

–hive-partition-key

创建分区,后面直接跟分区名,分区字段的默认类型为string

5

–hive-partition-value <v>

导入数据时,指定某个分区的值

6

–hive-home <dir>

hive的安装目录,可以通过该参数覆盖之前默认配置的目录

7

–hive-import

将数据从关系数据库中导入到hive表中

8

–hive-overwrite

覆盖掉在hive表中已经存在的数据

9

–create-hive-table

默认是false,即,如果目标表已经存在了,那么创建任务失败。

10

–hive-table

后面接要创建的hive表,默认使用MySQL的表名

11

–table

指定关系数据库的表名

 

公用参数介绍完之后,我们来按照命令介绍命令对应的特有参数。

命令&参数:import

将关系型数据库中的数据导入到HDFS(包括Hive,HBase)中,如果导入的是Hive,那么当Hive中没有对应表时,则自动创建。

1) 命令:

如:导入数据到hive中

$ bin/sqoop import \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff \

–hive-import

 

如:增量导入数据到hive中,mode=append

append导入:

$ bin/sqoop import \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff \

–num-mappers 1 \

–fields-terminated-by “\t” \

–target-dir /user/hive/warehouse/staff_hive \

–check-column id \

–incremental append \

–last-value 3

尖叫提示:append不能与–hive-等参数同时使用(Append mode for hive imports is not yet supported. Please remove the parameter –append-mode)

 

如:增量导入数据到hdfs中,mode=lastmodified

先在mysql中建表并插入几条数据:

mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);

mysql> insert into company.staff_timestamp (id, name, sex) values(1, ‘AAA’, ‘female’);

mysql> insert into company.staff_timestamp (id, name, sex) values(2, ‘BBB’, ‘female’);

先导入一部分数据:

$ bin/sqoop import \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff_timestamp \

–delete-target-dir \

–m 1

再增量导入一部分数据:

mysql> insert into company.staff_timestamp (id, name, sex) values(3, ‘CCC’, ‘female’);

$ bin/sqoop import \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff_timestamp \

–check-column last_modified \

–incremental lastmodified \

–last-value “2017-09-28 22:20:38” \

–m 1 \

–append

尖叫提示:使用lastmodified方式导入数据要指定增量数据是要–append(追加)还是要–merge-key(合并)

尖叫提示:last-value指定的值是会包含于增量导入的数据中

2) 参数:

序号

参数

说明

1

–append

将数据追加到HDFS中已经存在的DataSet中,如果使用该参数,sqoop会把数据先导入到临时文件目录,再合并。

2

–as-avrodatafile

将数据导入到一个Avro数据文件中

3

–as-sequencefile

将数据导入到一个sequence文件中

4

–as-textfile

将数据导入到一个普通文本文件中

5

–boundary-query <statement>

边界查询,导入的数据为该参数的值(一条sql语句)所执行的结果区间内的数据。

6

–columns <col1, col2, col3>

指定要导入的字段

7

–direct

直接导入模式,使用的是关系数据库自带的导入导出工具,以便加快导入导出过程。

8

–direct-split-size

在使用上面direct直接导入的基础上,对导入的流按字节分块,即达到该阈值就产生一个新的文件

9

–inline-lob-limit

设定大对象数据类型的最大值

10

–m或–num-mappers

启动N个map来并行导入数据,默认4个。

11

–query或–e <statement>

将查询结果的数据导入,使用时必须伴随参–target-dir,–hive-table,如果查询中有where条件,则条件后必须加上$CONDITIONS关键字

12

–split-by <column-name>

按照某一列来切分表的工作单元,不能与–autoreset-to-one-mapper连用(请参考官方文档)

13

–table <table-name>

关系数据库的表名

14

–target-dir <dir>

指定HDFS路径

15

–warehouse-dir <dir>

与14参数不能同时使用,导入数据到HDFS时指定的目录

16

–where

从关系数据库导入数据时的查询条件

17

–z或–compress

允许压缩

18

–compression-codec

指定hadoop压缩编码类,默认为gzip(Use Hadoop codec default gzip)

19

–null-string <null-string>

string类型的列如果null,替换为指定字符串

20

–null-non-string <null-string>

非string类型的列如果null,替换为指定字符串

21

–check-column <col>

作为增量导入判断的列名

22

–incremental <mode>

mode:append或lastmodified

23

–last-value <value>

指定某一个值,用于标记增量导入的位置

命令&参数:export

从HDFS(包括Hive和HBase)中奖数据导出到关系型数据库中。

1) 命令:

如:

$ bin/sqoop export \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff \

–export-dir /user/company \

–input-fields-terminated-by “\t” \

–num-mappers 1

 

2) 参数:

序号

参数

说明

1

–direct

利用数据库自带的导入导出工具,以便于提高效率

2

–export-dir <dir>

存放数据的HDFS的源目录

3

-m或–num-mappers <n>

启动N个map来并行导入数据,默认4个

4

–table <table-name>

指定导出到哪个RDBMS中的表

5

–update-key <col-name>

对某一列的字段进行更新操作

6

–update-mode <mode>

updateonly

allowinsert(默认)

7

–input-null-string <null-string>

请参考import该类似参数说明

8

–input-null-non-string <null-string>

请参考import该类似参数说明

9

–staging-table <staging-table-name>

创建一张临时表,用于存放所有事务的结果,然后将所有事务结果一次性导入到目标表中,防止错误。

10

–clear-staging-table

如果第9个参数非空,则可以在导出操作执行前,清空临时事务结果表

 

命令&参数:codegen

将关系型数据库中的表映射为一个Java类,在该类中有各列对应的各个字段。

如:

$ bin/sqoop codegen \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff \

–bindir /home/admin/Desktop/staff \

–class-name Staff \

–fields-terminated-by “\t”

 

序号

参数

说明

1

–bindir <dir>

指定生成的Java文件、编译成的class文件及将生成文件打包为jar的文件输出路径

2

–class-name <name>

设定生成的Java文件指定的名称

3

–outdir <dir>

生成Java文件存放的路径

4

–package-name <name>

包名,如com.z,就会生成com和z两级目录

5

–input-null-non-string <null-str>

在生成的Java文件中,可以将null字符串或者不存在的字符串设置为想要设定的值(例如空字符串)

6

–input-null-string <null-str>

将null字符串替换成想要替换的值(一般与5同时使用)

7

–map-column-java <arg>

数据库字段在生成的Java文件中会映射成各种属性,且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型,例如:–map-column-java id=long, name=String

8

–null-non-string <null-str>

在生成Java文件时,可以将不存在或者null的字符串设置为其他值

9

–null-string <null-str>

在生成Java文件时,将null字符串设置为其他值(一般与8同时使用)

10

–table <table-name>

对应关系数据库中的表名,生成的Java文件中的各个属性与该表的各个字段一一对应

命令&参数:create-hive-table

生成与关系数据库表结构对应的hive表结构。

命令:

如:

$ bin/sqoop create-hive-table \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff \

–hive-table hive_staff

参数:

序号

参数

说明

1

–hive-home <dir>

Hive的安装目录,可以通过该参数覆盖掉默认的Hive目录

2

–hive-overwrite

覆盖掉在Hive表中已经存在的数据

3

–create-hive-table

默认是false,如果目标表已经存在了,那么创建任务会失败

4

–hive-table

后面接要创建的hive表

5

–table

指定关系数据库的表名

命令&参数:eval

可以快速的使用SQL语句对关系型数据库进行操作,经常用于在import数据之前,了解一下SQL语句是否正确,数据是否正常,并可以将结果显示在控制台。

命令:

如:

$ bin/sqoop eval \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–query “SELECT * FROM staff”

参数:

序号

参数

说明

1

–query或–e

后跟查询的SQL语句

 

命令&参数:import-all-tables

可以将RDBMS中的所有表导入到HDFS中,每一个表都对应一个HDFS目录

命令:

如:

$ bin/sqoop import-all-tables \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–warehouse-dir /all_tables

 

参数:

序号

参数

说明

1

–as-avrodatafile

这些参数的含义均和import对应的含义一致

2

–as-sequencefile

3

–as-textfile

4

–direct

5

–direct-split-size <n>

6

–inline-lob-limit <n>

7

–m或—num-mappers <n>

8

–warehouse-dir <dir>

9

-z或–compress

10

–compression-codec

 

命令&参数:job

用来生成一个sqoop任务,生成后不会立即执行,需要手动执行。

命令:

如:

$ bin/sqoop job \

 –create myjob — import-all-tables \

 –connect jdbc:mysql://linux01:3306/company \

 –username root \

 –password 123456

$ bin/sqoop job \

–list

$ bin/sqoop job \

–exec myjob

尖叫提示:注意import-all-tables和它左边的–之间有一个空格

尖叫提示:如果需要连接metastore,则–meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop

参数:

序号

参数

说明

1

–create <job-id>

创建job参数

2

–delete <job-id>

删除一个job

3

–exec <job-id>

执行一个job

4

–help

显示job帮助

5

–list

显示job列表

6

–meta-connect <jdbc-uri>

用来连接metastore服务

7

–show <job-id>

显示一个job的信息

8

–verbose

打印命令运行时的详细信息

尖叫提示:在执行一个job时,如果需要手动输入数据库密码,可以做如下优化

<property>

<name>sqoop.metastore.client.record.password</name>

<value>true</value>

<description>If true, allow saved passwords in the metastore.</description>

</property>

 

命令&参数:list-databases

命令:

如:

$ bin/sqoop list-databases \

–connect jdbc:mysql://linux01:3306/ \

–username root \

–password 123456

 

参数:与公用参数一样

命令&参数:list-tables

命令:

如:

$ bin/sqoop list-tables \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456

参数:与公用参数一样

命令&参数:merge

将HDFS中不同目录下面的数据合并在一起并放入指定目录中

数据环境:

new_staff

1       AAA     male

2       BBB     male

3       CCC     male

4       DDD     male

old_staff

1       AAA     female

2       CCC     female

3       BBB     female

6       DDD     female

尖叫提示:上边数据的列之间的分隔符应该为\t,行与行之间的分割符为\n,如果直接复制,请检查之。

命令:

如:

创建JavaBean:

$ bin/sqoop codegen \

–connect jdbc:mysql://linux01:3306/company \

–username root \

–password 123456 \

–table staff \

–bindir /home/admin/Desktop/staff \

–class-name Staff \

–fields-terminated-by “\t”

 

开始合并:

$ bin/sqoop merge \

–new-data /test/new/ \

–onto /test/old/ \

–target-dir /test/merged \

–jar-file /home/admin/Desktop/staff/Staff.jar \

–class-name Staff \

–merge-key id

结果:

1 AAA MALE

2 BBB MALE

3 CCC MALE

4 DDD MALE

6 DDD FEMALE

 

参数:

序号

参数

说明

1

–new-data <path>

HDFS 待合并的数据目录,合并后在新的数据集中保留

2

–onto <path>

HDFS合并后,重复的部分在新的数据集中被覆盖

3

–merge-key <col>

合并键,一般是主键ID

4

–jar-file <file>

合并时引入的jar包,该jar包是通过Codegen工具生成的jar包

5

–class-name <class>

对应的表名或对象名,该class类是包含在jar包中的

6

–target-dir <path>

合并后的数据在HDFS里存放的目录

 

命令&参数:metastore

记录了Sqoop job的元数据信息,如果不启动该服务,那么默认job元数据的存储目录为~/.sqoop,可在sqoop-site.xml中修改。

命令:

如:启动sqoop的metastore服务

$ bin/sqoop metastore

 

参数:

序号

参数

说明

1

–shutdown

关闭metastore

 

本教程由尚硅谷教育大数据研究院出品,如需转载请注明来源,欢迎大家关注尚硅谷公众号(atguigu)了解更多。

 

 


上一篇:
下一篇:
关于尚硅谷
教育理念
名师团队
学员心声
资源下载
视频下载
资料下载
工具下载
加入我们
招聘岗位
岗位介绍
招贤纳师
联系我们
电话:010-56253825
邮箱:info@atguigu.com
地址:北京市昌平区宏福科技园综合楼6层(北京校区)

 深圳市宝安区西部硅谷大厦B座C区一层(深圳校区)

上海市松江区谷阳北路166号大江商厦6层(上海校区)