Sqoop 遇到的问题

1.   想用 sqoop 增量的方式导入到 hive。运行下面的命令：

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 '01' --incremental lastmodified  
--check-column update_dt --last-value '2018-03-21' --append -m 1

   错误提示： --incremental lastmodified option for hive imports is not supported

我晕， --incremental lastmodified 和 --hive-import 竟然不能同时使用。把 lastmodified 改成 append 后就可以运行了。看了 sqoop 的官方文档，append 通常用于自增的 id 列，lastmodified 用于更新的日期列，日期同样也可以比较大小啊，有点不明白为什么 lastmodified 不可以。

2. 上面命令中，如果去掉 “--hive-import --hive-database default --hive-table emp_tmp” 后，同样可以导入数据，在 hive 中运行 select * from emp_tmp 可以看到有数据，但是运行 select count(1) from emp_tmp  出来的结果是 0 

3. 上面命令中 “-m” 指定有多少个 map 任务，如果任务数大于 1，则需要额外指定  --split-by <分割列>

4. 用下面的命令可以创建一个 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 '01' --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 就可以进行一次导入了，sqoop 会自动记录上一次的更新时间，用于替换以后跑这个 job 时 last-value 的值

5. 怎么查询 sqoop 的 job 每次用到的 last-value 的值？

 找到 metastore.db.script 这个文件所在的位置，打开它，搜索 incremental.last.value ，每个 job 都会对应一个。 

find / -name metastore.db.script

2. 查询表中的记录时，出现 ORC split generation failed with exception: org.apache.orc.FileFormatException: Malformed ORC file 的异常

 

原因：HDP 的 hive 中设置了默认存储格式为 ORC， 用 sqoop 增量方式导入 emp 表时，使用的是 textfile 的格式。所以查询时就出现这个问题。很奇怪，sqoop 可以指定 avro，parquet 等格式，唯独没有 ORC 格式。