sqoop创建英帕拉拼花表

提问者：小点点

sqoop创建英帕拉拼花表

我对sqooped的过程相对较新，所以请原谅我的无知。我一直在尝试从数据源中sqoop一个表作为拼花文件，并创建一个impala表（也作为拼花），我将在其中插入sqooped数据。代码运行没有问题，但是当我尝试选择几行进行测试时，我得到了错误：

.../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]

我在这里镜像了我在云指南上找到的过程：https://www.cloudera.com/documentation/enterprise/5-8-x/topics/impala_create_table.html.主要是“内部和外部表”部分。我一直在努力避免不得不用一个特定的镶木板文件来推断模式，因为这整件事每个月都会用一个bash脚本来启动（如果我使用多个映射器，我也想不出一个方法来将它指向一个文件）。

这是我使用的代码。我觉得我要么错过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主要的事情。感谢任何和所有的帮助。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';

共1个答案

匿名用户

根据注释中的请求，我提供了一个示例，说明如何使用带有--hive-import的sqoop导入来实现相同的效果。由于明显的原因，我还没有针对您的特定要求对其进行测试，因此可能需要更多的调整，这通常是这些sqoop命令的情况。根据我的经验，导入为parquet会强制您使用--query选项，因为它不允许您将schema. table用作表。

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

--hive-import基本上需要的是--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,...]

您可能也需要一个类似的--map-java-列，但是我不确定什么时候需要这个。如果您想要多个映射器，您将需要一个--plit-by

如注释中所述，您需要使用无效元数据db. table来确保Impala看到这些更改。您可以从CL或单个bash-script发出这两个命令，您可以使用impal-shell-q[query]发出impala命令。