sqoop无法导出parquet文件到mysql

1.问题描述

---

在CDH集群中我们需要将Hive表的数据导入到RDBMS数据库中，使用Sqoop工具可以方便的将Hive表数据抽取到RDBMS数据库中，在使用Sqoop抽取Hive Parquet表时作业执行异常。

Sqoop抽数脚本：

sqoop export \
--connect jdbc:mysql://localhost:3306/test_db \
--username root \
--password  \
--table mytest_parquet \
--export-dir /user/hive/warehouse/mytest_parquet \
-m 

异常日志：

Sqoop: org.kitesdk.data.DatasetNotFoundException: Descriptor location does not exist: hdfs://nameservice1/user/hive/warehouse/mytest_parquet/.metadata
Exception: Descriptor location does not exist: hdfs://nameservice1/user/hive/warehouse/mytest_parquet/.metadata
        at org.kitesdk.FileSystemMetadataProvider.checkExists(FileSystemMetadataProvider.java:)
        at org.kitesdk.FileSystemMetadataProvider.find(FileSystemMetadataProvider.java:)
        at org.kitesdk.ileSystemMetadataProvider.load(FileSystemMetadataProvider.java:)
        at org.kitesdk.FileSystemDatasetRepository.load(FileSystemDatasetRepository.java:)
        at org.kitesdk.data.Datasets.load(Datasets.java:)
        at org.kitesdk.data.Datasets.load(Datasets.java:)        

2.解决方法

---

1.将Sqoop抽数脚本修改为如下：

sqoop export \
--connect jdbc:mysql://ip-172-31-22-86.ap-southeast-1.compute.internal:3306/test_db \
--username testuser \
--password password \
--table mytest_parquet \
--hcatalog-database default \
--hcatalog-table mytest_parquet --num-mappers 1

参数说明：

--table：MySQL库中的表名

--hcatalog-database：Hive中的库名

--hcatalog-table：Hive库中的表名，需要抽数的表

--num-mappers：执行作业的Map数

作业执行成功。

3.总结

---

目前通过Sqoop从Hive的parquet抽数到关系型数据库的时候会报kitesdk找不到文件的错，这是Sqoop已知的问题，参考SQOOP-2907：

https://issues.apache.org/jira/browse/SQOOP-2907

该jira目前并没有修复，如果要实现该功能，需要参考第二章的做法，使用hcatalog参数指定到Hive表。