最近因爲工作需要開始接觸hive和mysql的數據加載,其中hive向mysql存儲數據時,因爲hive 表的格式可能導致錯誤。下面講這個問題。
錯誤情況
運行sqoop語句,將hive數據導入mysql。
sqoop export --connect jdbc:mysql://1.1.1.1:3306/database --username root --password 123456 --table test_tmp --export-dir /apps/hive/warehouse/test_db/tmp_test --input-null-string '\N' --input-null-non-string '\N' --input-fields-terminated-by '\t'
執行後發現任務失敗,查詢日誌如下:
2019-09-06 16:04:36,983 INFO [IPC Server handler 8 on 44004] org.apache.hadoop.mapred.TaskAttemptListenerImpl: Diagnostics report from attempt_1565257243596_0714_m_000001_0: Error: java.io.IOException: Can't export data, please check failed map task logs
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:122)
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:39)
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:146)
at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64)
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:787)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341)
at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:170)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:422)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1866)
at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:164)
Caused by: java.lang.RuntimeException: Can't parse input data: '>xhX@�'
at pdm_runway_list_tmp.__loadFromFields(pdm_runway_list_tmp.java:2472)
at pdm_runway_list_tmp.parse(pdm_runway_list_tmp.java:2190)
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:89)
... 10 more
Caused by: java.lang.NumberFormatException: For input string: ">xhX@�"
at java.lang.NumberFormatException.forInputString(NumberFormatException.java:65)
at java.lang.Integer.parseInt(Integer.java:580)
at java.lang.Integer.valueOf(Integer.java:766)
at pdm_runway_list_tmp.__loadFromFields(pdm_runway_list_tmp.java:2259)
... 12 more
分析
首先谷歌該異常,認爲需要添加 --input-fields-terminated-by '\t',但我已經添加該設置。
但檢查數據 發現並沒有亂碼的數據 >xhX@�
最後查看建表語句,發現有如下設置,應該時壓縮和間隔對數據產生轉移產生影響。
ROW FORMAT DELIMITED
FIELDS TERMINATED BY '\t'
LINES TERMINATED BY '\n'
STORED AS ORC
TBLPROPERTIES ("orc.compress"="SNAPPY")
;
解決
嘗試用沒有該項設置的新表存儲轉移數據,成功導出。
思考
發現建表時候設置會對導出數據產生影響(尤其時分隔符),而且之後的導出設置可能對這種表結構不起作用。而轉移到臨時表不失爲一種好的方法。