使用sqoop import从mysql往hive含分区表中导入

先看下面这条语句，它实现的功能是将特定日期的数据从mysql表中直接导入hive

$ sqoop import \
--connect jdbc:mysql://192.168.xx.xx:3306/db_name?useSSL=false \
--username xxx --password xxxxxx  \
--query "select d.id, d.callsign, d.sobt from t_flight_baseinfo d where d.id is not null and d.sobt >= '2020-12-27' and \$CONDITIONS" \
--target-dir /user/hive/warehouse/datapros.db/t_flight_baseinfo/dt=2020-12-27 \
--delete-target-dir   --fields-terminated-by '\t'  --split-by d.id \
--hive-import   --hive-overwrite  --m 2 --direct \
--hive-database datapros --hive-table t_flight_baseinfo \
--hive-partition-key dt --hive-partition-value 2020-12-27 

以下对命令中的参数作简单说明：

--connect /--username / --password

很明显，这是mysql数据库的连接字符串

--query

这是选取数据的查询语句。这里需要注意的是：

• 每条查询语句必须要添加where条件；
• 末尾还要加上'$CONDITIONS'这个占位符；
• 当使用双引号包裹住这个查询语句时，'$CONDITIONS'前要加上转义符变为'\$CONDITIONS'，而如果使用单引号来包裹，就不用加转义符！

--target-dir

mysql数据导入HDFS后的目标路径（也即hive表的“数据文件”地址）

--delete-target-dir

导入前是否先删除target-dir中定义的目录（如果存在的话）
说明：这个参数比较重要！一般情况下，同一条导入语句，第一次执行时，要不要这个参数没有关系，但如果是多次执行同一条导入语句，而又没有提前手工删除目标目录时，就出出现“Output directory hdfs://hadoop:9820/somepath/${target_dir} already exists”，因此，这个参数一定要加上

--direct

使用直接导入模式，可以提高导入速度

--m 2

指定并行执行导入数据任务的map进程个数

--hive-database / --hive-table t_flight_baseinfo

指定导入到hive中的目标数据库与数据表名称

--hive-partition-key / --hive-partition-value

指定hive数据表的分区信息

--hive-overwrite

指定hive中的目标表可以被多次覆盖写入

--hive-import / --create-hive-table

1、create-hive-table：在hive中创建目标表（不管它是不是已经存在），如果目标表已经存在，就会给出“AlreadyExistsException(message:Table XXX already exists”出错信息；
2、hive-import ： hive-import在执行时，会自动生成一个建表的sql语句，当hive中不存在表时，它即自动创建目标表与存储目录，然后再导入数据；

mysql往hive带分区表中导入实践

1、在实践中发现，当需要创建带分区的表时，如果使用--create-hive-table参数，则每次都会提示表已存在错误（这个表确实是存在）；不过，这个错误提示不影响命令的正确执行；
2、但是，如果不带上这个参数，如果之前这个分区已存在 ，则会出现在hive表中能查到这个分区，但是它实际的存储目录已经被删除（delete-target-dir参数的效果）， hive-import会认为此分区已存在，就停止从mysql中往hdfs中导入数据，最后提示导入的数据numFiles=0，相当于分区表被清空；
3、如果不想每次都看到表已存在的错误提示，可以在执行导入命令之前，先执行一下 hive -e "alter table db_name.tb_name drop partition(partition_key='partition_value');"),先删除这个分区，这样hive-import就会创建hive表分区与重建存储目录。当然，这时候就不用加--create-hive-table参数了。