sqoop 创建 impala 镶木地板 table

Question

我对 sqooping 的过程比较陌生，所以请原谅我的无知。我一直在尝试从数据源中将 table 作为 parquet 文件进行 sqoop，并创建一个 impala table（也作为 parquet），我将在其中插入 sqooped 数据。代码运行没有问题，但是当我尝试 select 几行进行测试时，我收到错误：

.../EWT_CALL_PROF_DIM_SQOOP/ec2fe2b0-c9fa-4ef9-91f8-46cf0e12e272.parquet' has an incompatible Parquet schema for column 'dru_id.test_ewt_call_prof_dim_parquet.call_prof_sk_id'. Column type: INT, Parquet schema: optional byte_array CALL_PROF_SK_ID [i:0 d:1 r:0]

我在这里复制了我在 cloudera 指南上找到的过程：https://www.cloudera.com/documentation/enterprise/5-8-x/topics/impala_create_table.html。主要是 "Internal and External Tables" 部分。我一直在努力避免不得不用特定的镶木地板文件推断模式，因为整个事情每个月都会用 bash 脚本开始（而且我也想不出一种方法来指出它如果我使用多个映射器，则只有一个文件）。

这是我使用的代码。我觉得我要么遗漏了一些小而愚蠢的东西，要么我在没有意识到的情况下搞砸了所有重要的事情。任何帮助表示赞赏。谢谢！

    sqoop import -Doraoop.import.hint=" " \
    --options-file /home/kemri/pass.txt \
    --verbose \
    --connect jdbc:oracle:thin:@ldap://oid:389/cn=OracleContext,dc=[employer],dc=com/EWSOP000 \
    --username [userid] \
    --num-mappers 1 \
    --target-dir hdfs://nameservice1/data/res/warehouse/finance/[dru_userid]/EWT_CALL_PROF_DIM_SQOOP \
    --delete-target-dir \
    --table DMPROD.EWT_CALL_PROF_DIM \
    --direct \
    --null-string '\N' \
    --null-non-string '\N' \
    --as-parquetfile 


impala-shell -k -i hrtimpslb.[employer].com


create external table test_EWT_CALL_PROF_DIM_parquet(
CALL_PROF_SK_ID INT,
SRC_SKL_CD_ID STRING,
SPLIT_NM STRING,
SPLIT_DESC STRING,
CLM_SYS_CD STRING,
CLM_SYS_NM STRING,
LOB_CD STRING,
LOB_NM STRING,
CAT_IND STRING,
CALL_TY_CD STRING,
CALL_TY_NM STRING,
CALL_DIR_CD STRING,
CALL_DIR_NM STRING,
LANG_CD STRING,
LANG_NM STRING,
K71_ATOMIC_TS TIMESTAMP)
stored as parquet location '/data/res/warehouse/finance/[dru_userid]/EWT_CALL_PROF_DIM_SQOOP';

Answer 1

根据评论中的要求，我提供了一个示例，说明如何使用带有 --hive-import 的一个 sqoop 导入来实现相同的目的。出于明显的原因，我没有针对您的特定要求对其进行测试，因此它可能需要更多调整，而这些 sqoop 命令通常就是这种情况。根据我的经验，作为镶木地板导入会强制您使用 --query 选项，因为它不允许您将 schema.table 用作 table.

sqoop import -Doraoop.import.hint=" "\
--verbose \
--connect jdbc:oracle:thin:@ldap://oid:389/cn=OracleContext,dc=[employer],dc=com/EWSOP000 \
--username [userid] \
-m 1 \
--password [ifNecessary] \
--hive-import \
--query 'SELECT * FROM DMPROD.EWT_CALL_PROF_DIM WHERE $CONDITIONS' \
--hive-database [database you want to use] \
--hive-table test_EWT_CALL_PROF_DIM_parquet \
--target-dir hdfs://nameservice1/data/res/warehouse/finance/[dru_userid]/EWT_CALL_PROF_DIM_SQOOP \
--null-string '\N' \
--null-non-string '\N' \
--as-parquetfile

基本上 --hive-import 需要的是 --hive-database、--hive-table 和 --query。如果您不希望所有列都作为字符串出现在 Hive 中，您还必须包括：

--map-hive-columns [column_name1=Timestamp,column_name2=Int,...]

您可能也需要类似的 --map-java-columns，但我不确定何时需要。如果你想要多个映射器，你将需要一个 --split-by

如评论中所述，您需要使用 invalidate metadata db.table 来确保 Impala 看到这些更改。您可以从 CL 或单个 bash-script 发出两个命令，您可以在其中使用 impala-shell -q [query].

发出 impala 命令

sqoop 创建 impala 镶木地板 table

sqoop create impala parquet table

bash

hadoop

sqoop

impala

parquet