Sqoop从Oracle导入到Hive(小坑)

前端之家收集整理的这篇文章主要介绍了Sqoop从Oracle导入到Hive(小坑)前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

使用sqoop从oracel导入数据到hive数据错位,第一个想到的问题就是可能分隔符造成的,

默认使用'\001'来切分字段,使用'\n'来切分行,这一切看起来挺好,但是如果导入的内容中包含了'\001'或者'\n'就会导致数据错位的问题。这个问题人家sqoop早就想到啦,所以导入数据到hive的时候就支持一个命令参数--hive-drop-import-delims,这个命令参数是干嘛的呢,

官方解释就是: 去除字段中所有的\n,\r\01等特殊字符,

OK,这不正是想要的么,万事大吉,好东西,以为高枕无忧了。

可是问题还是来了,数据错位了导致记录数几乎翻倍,这原因很明显呀,数据错位了,可是--hive-drop-import-delims不是已经把特殊字符给去掉了么,怎么还会和'\001','\n'冲突呢,

查看hive表的数据原文件,发现字段分隔很正常(即使用\001都分隔正确了),但是\n确实存在,很多换行呀,字段内容的换行居然没去掉? 这个--hive-drop-import-delims不是坑么,

好吧,这个冲突暂且放下,既然\n没有删掉,那么行记录就不用\n了 改用\002吧

想象是好的!

一执行直接报异常:hive目前仅支持\n分隔行记录(坑爹!!!)

最终,找呀找,发现原来那些\n没有去除的字段是CLOB字段。--hive-drop-import-delims对CLOB字段不起作用。

找到原因了解决起来就简单了:

首先解决方案是 直接在sql语句中将 clob字段使用to_char函数,然后使用replace函数将所有的换行字符替换 replace(to_char(FIELD),char(10),' ') 注意:oracle中换行使用char(10),就这样解决了问题!

但是之后用相同方法处理大字段的clob时新问题又来了,大体意思就是to_char函数支持clob长度为4000以下的转换,如果clob内容长度超过4000就报缓冲区不足!(坑!

后来找呀找,发现了这么个参数--map-column-java

意思就是将sql中的字段类型转换成JAVA 的string类型,那么我所需要的就是将sql中的clob字段转换成String类型,这样--hive-drop-import-delims这个参数就可以对该字段起作用了,可以将\n去除了。

实际导入语句如下:

原文链接:https://www.f2er.com/oracle/211536.html

猜你在找的Oracle相关文章