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

目的：

使用Sqoop将Oracle中的数据导入到HBase中，并自己主动生成组合行键！

---

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：

最新版本号的Sqoop1.99.3功能太弱。仅仅支持导入数据到HDFS，没有别的不论什么选项，太土了。（如有不允许见欢迎讨论给出解决方式）

---

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"

数据源相关參数说明：

--connect：数据库连接串

--username：用户名

--P：交互式输入password

--table：表名

-m：并行运行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依据哪个字段来划分数据段，该參数最好指定一个能相对均匀划分数据的字段，比方创建时间、递增的ID

HBase相关參数说明：

--hbase-table：hbase中接收数据的表名

--hbase-create-table：假设指定的接收数据表在hbase中不存在，则新建表

--column-family：列族名称，全部源表的字段都进入该列族

--hbase-row-key：假设不指定则採用源表的key作为hbase的row key。能够指定一个字段作为row key。或者指定组合行键。当指定组合行键时，用双引號包括多个字段，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，默觉得false，默认情况下你将在列族中看不到不论什么row key中的字段。

注意。该參数必须放在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.组合行键參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，请运行该语句前先确认；

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，须要将其改动为大写

--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