Sqoop将mysql数据导入hbase的血与泪（整整搞了大半天）
版权声明：本文为yunshuxueyuan原创文章。
如需转载请标明出处： https://my.oschina.net/yunshuxueyuan/blog
QQ技术交流群：299142667
一、 问题如何产生
庞老师只讲解了mysql和hdfs，mysq与hive的数据互导，因此决定研究一下将mysql数据直接导入hbase,这时出现了一系列问题。
心酸史：
二、 开始具体解决问题
需求：（将以下这张表数据导入mysql）
由此，编写如下sqoop导入命令
sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:mysql://192.168.1.9/spider --username root --password root --table test_goods --hbase-create-table --hbase-table t_goods --column-family cf --hbase-row-key id -m 1
一切看着都很正常，接下来开始执行命令，报如下错误：
1、
Error during import: No primary key could be found for table *
报错原因就是指定的mysql表名不是大写，所以mysql表名必须大写
2、
Could not insert row with null value for row-key column
报错原因是没有指定mysql的列名，所以必须指定列名，并且hbase-row-key id 中的id，必须在–columns中显示。 --columns ID,GOODS_NAME, GOODS_PRICE
3、
Error parsing arguments for import Unrecognized argument
报错原因是在指定mysql的列名时，用逗号隔开的时候我多加了空格，所以在Columns后显示的列名只能用逗号隔开，不要带空格。
将以上三个问题排除后：我的最新导入命令变为如下：
sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:mysql://192.168.1.9:3306/spider --username root --password root --table TEST_GOODS --columns id,goods_name,goods_price --hbase-create-table --hbase-table t_goods --column-family cf --hbase-row-key id --where "id >= 5" -m 1
注意：这里有个小问题：记得将id>=5引起来
再次执行导入命令：出现如下情况（卡了好长时间）
发下map执行完成了，但是也就只卡在这里不动了，mapreduce任务一直在后台起着，一段时间后死掉，在这期间不停的执行导入命令和杀掉mapreduce的job
hadoop job -list 查看mapreduce 的job列表
hadoop job -kill job_id 杀死某个Job
经过长时间的测试，突然意识到当前用的是Hbase伪分布式，一下子恍然大悟：
原因：因为当前环境为hbase的伪分布式，所以hbase的数据是存在本地磁盘上的，
并且由自带的zookeeper进行管理。而将mysql数据导入hbase的原理其实就是将数据导入hdfs,所以要想导入成功，存放hbase的数据地址应该在hdfs上才可以。所以如何解决这个问题，我想大家知道了，那就是开启hbase完全分布式。
经过一顿折腾将虚拟机回复到hbase完全分布式的快照，安装好sqoop,进行最终的测试！
最终执行的导入命令如下：（完整的导入命令）
sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:mysql://192.168.1.9:3306/spider --username root --password root --table TEST_GOODS --columns ID,GOODS_NAME,GOODS_PRICE --hbase-create-table --hbase-table t_goods --column-family cf --hbase-row-key ID --where "ID >= 5" -m 1
终于见到久违的页面：
查看hbase,数据已经成功导入
最后我将命令写入一个xxx文件，通过sqoop –options-file xxx 执行导入命令
错误写法如下：
import -D sqoop.hbase.add.row.key=true --connect jdbc:mysql://192.168.1.9:3306/spider --username root --password root --table TEST_GOODS --columns ID,GOODS_NAME,GOODS_PRICE --hbase-create-table --hbase-table test_goods --column-family cf --hbase-row-key ID --where "ID >= 5" -m 1
错误原因：参数的名称和参数的值没有进行回车换行
正确写法：
import -D sqoop.hbase.add.row.key=true --connect jdbc:mysql://192.168.1.9:3306/spider --username root --password root --table TEST_GOODS --columns ID,GOODS_NAME,GOODS_PRICE --hbase-create-table --hbase-table tt_goods --column-family cf --hbase-row-key ID --where ID>=5 -m 1
注：参数含义解释
-D sqoop.hbase.add.row.key=true 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。
--connect 数据库连接字符串
--username –password mysql数据库的用户名密码
--table Test_Goods表名，注意大写
--hbase-create-table 如果hbase中该表不存在则创建
--hbase-table 对应的hbase表名
--hbase-row-key hbase表中的rowkey,注意格式
--column-family hbase表的列族
--where 导入是mysql表的where条件，写法和sql中一样
--split-by CREATE_TIME 默认情况下sqoop使用4个并发执行任务，需要制订split的列，如果不想使用并发，可以用参数 --m 1
到此，bug解决完成！！！
三、知识拓展，定时增量导入
1、Sqoop增量导入
sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:mysql://192.168.1.9:3306/spider --username root --password root --table TEST_GOODS --columns ID,GOODS_NAME,GOODS_PRICE --hbase-create-table --hbase-table t_goods --column-family cf --hbase-row-key ID --incremental lastmodified --check-column U_DATE --last-value ‘2017-06-27‘ --split-by U_DATE
--incremental lastmodified 增量导入支持两种模式 append 递增的列；lastmodified时间戳。
--check-column 增量导入时参考的列
--last-value 最小值，这个例子中表示导入2017-06-27到今天的值
2、Sqoop job：
sqoop job --create testjob01 --import --connect jdbc:mysql://192.168.1.9:3306/spider --username root --password root --table TEST_GOODS --columns ID,GOODS_NAME,GOODS_PRICE --hbase-create-table --hbase-table t_goods --column-family cf --hbase-row-key ID -m 1
设置定时执行以上sqoop job
使用linux定时器：crontab -e
例如每天执行
0 0 * * * /opt/local/sqoop-1.4.6/bin/sqoop job ….
--exec testjob01
版权声明：本文为yunshuxueyuan原创文章。
如需转载请标明出处： https://my.oschina.net/yunshuxueyuan/blog
QQ技术交流群：299142667