将Hive统计分析结果导入到MySQL数据库表中（一）——Sqoop导入方式

时间：2021-02-23 03:08:41

交通流的数据分析，需求是对于海量的城市交通数据，需要使用MapReduce清洗后导入到HBase中存储，然后使用Hive外部表关联HBase，对HBase中数据进行查询、统计分析，将分析结果保存在一张Hive表中，最后使用Sqoop将该表中数据导入到MySQL中。整个流程大概如下：

将Hive统计分析结果导入到MySQL数据库表中（一）——Sqoop导入方式

下面我主要介绍Hive关联HBase表——Sqoop导出Hive表到MySQL这些流程，原始数据集收集、MapReduce清洗及WEB界面展示此处不介绍。

一、HBase数据库表

  1. hbase(main):003:0> list
  2. TABLE
  3. transtable
  4. 1 row(s) in 0.0250 seconds
  5. => ["transtable"]
  6. hbase(main):004:0> describe 'transtable'
  7. DESCRIPTION                                                                                                        ENABLED
  8. 'transtable', {NAME => 'jtxx', DATA_BLOCK_ENCODING => 'NONE', BLOOMFILTER => 'ROW', REPLICATION_SCOPE => '0', VER true
  9. SIONS => '1', COMPRESSION => 'NONE', MIN_VERSIONS => '0', TTL => '2147483647', KEEP_DELETED_CELLS => 'false', BLO
  10. CKSIZE => '65536', IN_MEMORY => 'false', BLOCKCACHE => 'true'}
  11. 1 row(s) in 0.0480 seconds

创建一个名叫“transtable”的HBase表，列族是：“jtxx”。HBase中的部分数据如下：

  1. hbase(main):008:0> get 'transtable','32108417000000013220140317000701'
  2. COLUMN                                        CELL
  3. jtxx:cdbh                                    timestamp=1429597736296, value=03
  4. jtxx:clbj                                    timestamp=1429597736296, value=0
  5. jtxx:cllb                                    timestamp=1429597736296, value=0
  6. jtxx:cllx                                    timestamp=1429597736296, value=3
  7. jtxx:clsd                                    timestamp=1429597736296, value=127.00
  8. jtxx:hphm                                    timestamp=1429597736296, value=\xE8\x8B\x8FKYV152
  9. jtxx:wflx                                    timestamp=1429597736296, value=0
  10. jtxx:xsfx                                    timestamp=1429597736296, value=03
  11. 8 row(s) in 0.1550 seconds

二、创建Hive外部表关联HBase表

  1. create external table transJtxx_Hbase
  2. (
  3. clxxbh string,
  4. xsfx string,
  5. cdbh string,
  6. hphm string,
  7. clsd string,
  8. cllx string,
  9. clbj string,
  10. cllb string,
  11. wflx string
  12. )
  13. stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
  14. with serdeproperties ("hbase.columns.mapping" =":key,jtxx:xsfx,jtxx:cdbh,jtxx:hphm,jtxx:clsd,jtxx:cllx,jtxx:clbj,jtxx:cllb,jtxx:wflx") TBLPROPERTIES ("hbase.table.name" = "transtable");

hbase.columns.mapping要对应hbase数据库transtable表中列族下的列限定符。此处一定要是外部表

查看是否关联成功，如何执行一条语句能够查询出HBase表中数据，则关联成功。

  1. hive> select *  from transjtxx_hbase where clxxbh like '321084170000000132%';
  2. Total jobs = 1
  3. Launching Job 1 out of 1
  4. Number of reduce tasks is set to 0 since there's no reduce operator
  5. Starting Job = job_1428394594787_0007, Tracking URL = http://secondmgt:8088/proxy/application_1428394594787_0007/
  6. Kill Command = /home/hadoopUser/cloud/hadoop/programs/hadoop-2.2.0/bin/hadoop job  -kill job_1428394594787_0007
  7. Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
  8. 2015-04-21 17:27:18,136 Stage-1 map = 0%,  reduce = 0%
  9. 2015-04-21 17:27:35,029 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 12.31 sec
  10. MapReduce Total cumulative CPU time: 12 seconds 310 msec
  11. Ended Job = job_1428394594787_0007
  12. MapReduce Jobs Launched:
  13. Job 0: Map: 1   Cumulative CPU: 12.31 sec   HDFS Read: 256 HDFS Write: 636 SUCCESS
  14. Total MapReduce CPU Time Spent: 12 seconds 310 msec
  15. OK
  16. 32108417000000013220140317000701        03      03      苏KYV152        127.00  3       0       0       0
  17. 32108417000000013220140317000705        02      03      苏KRU593        127.00  2       0       0       0
  18. 32108417000000013220140317000857        03      02      苏KYL920        28.00   4       0       0       0
  19. 32108417000000013220140317001145        02      02      苏K19V75        136.00  6       0       0       0
  20. 32108417000000013220140317001157        02      02      鲁QV0897        150.00  4       0       0       0
  21. 32108417000000013220140317001726        02      02      苏KL2938        23.00   1       0       0       0
  22. 32108417000000013220140317001836        02      02      苏J5S373        142.00  4       0       0       0
  23. 32108417000000013220140317001844        02      02      苏KK8332        158.00  3       0       0       0
  24. 32108417000000013220140317002039        03      02      苏KK8820        17.00   0       0       0       0
  25. 32108417000000013220140317002206        03      03      苏KK8902        32.00   4       0       0       0
  26. Time taken: 36.018 seconds, Fetched: 10 row(s)

三、创建用于存放查询、统计分析结果的Hive表

因为此处我是模拟环境，所以我创建一个和hive关联表transjtxx_hbase一样字段类型的表，用于存放查询结果，如下：

  1. hive> create table temptrans
  2. > (clxxbh string,
  3. >     xsfx string,
  4. >     cdbh string,
  5. >     hphm string,
  6. >     clsd string,
  7. >     cllx string,
  8. >     clbj string,
  9. >     cllb string,
  10. >     wflx string
  11. > ) ;
  12. OK
  13. Time taken: 0.112 seconds

四、通过查询结果向Hive表中插入数据

使用Hive表四种数据导入方式之一——通过SQL查询语句向Hive表中插入数据。（详细介绍可以查看我的另外一篇博文：Hive表中四种不同数据导出方式以及如何自定义导出列分隔符）此处我以查询某个路口过往车辆为例。因为，clxxbh是由路口编号+日期组成，此处不使用overwrite，是因为后续会循环执行，之前导入的数据需要保留，所以必须使用into，如下：

  1. hive> insert into table temptrans select *  from transjtxx_hbase where clxxbh like '321084170000000133%';
  2. Total jobs = 3
  3. Launching Job 1 out of 3
  4. Number of reduce tasks is set to 0 since there's no reduce operator
  5. Starting Job = job_1428394594787_0009, Tracking URL = http://secondmgt:8088/proxy/application_1428394594787_0009/
  6. Kill Command = /home/hadoopUser/cloud/hadoop/programs/hadoop-2.2.0/bin/hadoop job  -kill job_1428394594787_0009
  7. Hadoop job information for Stage-1: number of mappers: 1; number of reducers: 0
  8. 2015-04-21 19:05:03,398 Stage-1 map = 0%,  reduce = 0%
  9. 2015-04-21 19:05:24,091 Stage-1 map = 100%,  reduce = 0%, Cumulative CPU 12.71 sec
  10. MapReduce Total cumulative CPU time: 12 seconds 710 msec
  11. Ended Job = job_1428394594787_0009
  12. Stage-4 is selected by condition resolver.
  13. Stage-3 is filtered out by condition resolver.
  14. Stage-5 is filtered out by condition resolver.
  15. Moving data to: hdfs://secondmgt:8020/hive/scratchdir/hive_2015-04-21_19-04-48_325_2835499611469580351-1/-ext-10000
  16. Loading data to table hive.temptrans
  17. Table hive.temptrans stats: [numFiles=2, numRows=12, totalSize=1380, rawDataSize=732]
  18. MapReduce Jobs Launched:
  19. Job 0: Map: 1   Cumulative CPU: 12.71 sec   HDFS Read: 256 HDFS Write: 815 SUCCESS
  20. Total MapReduce CPU Time Spent: 12 seconds 710 msec
  21. OK
  22. Time taken: 37.229 seconds
  1. hive> select * from tempTrans;
  2. OK
  3. 32108417000000013220140317000701        03      03      苏KYV152        127.00  3       0       0       0
  4. 32108417000000013220140317000705        02      03      苏KRU593        127.00  2       0       0       0
  5. 32108417000000013220140317000857        03      02      苏KYL920        28.00   4       0       0       0
  6. 32108417000000013220140317001145        02      02      苏K19V75        136.00  6       0       0       0
  7. 32108417000000013220140317001157        02      02      鲁QV0897        150.00  4       0       0       0
  8. 32108417000000013220140317001726        02      02      苏KL2938        23.00   1       0       0       0
  9. 32108417000000013220140317001836        02      02      苏J5S373        142.00  4       0       0       0
  10. 32108417000000013220140317001844        02      02      苏KK8332        158.00  3       0       0       0
  11. 32108417000000013220140317002039        03      02      苏KK8820        17.00   0       0       0       0
  12. 32108417000000013220140317002206        03      03      苏KK8902        32.00   4       0       0       0
  13. 32108417000000013320140317000120        02      02      苏KRW076        0.00    7       0       0       0
  14. 32108417000000013320140317000206        00      02      苏AHF730        0.00    4       0       0       0
  15. 32108417000000013320140317000207        02      02      苏KYJ792        0.00    6       0       0       0
  16. 32108417000000013320140317000530        00      01      苏K53T85        0.00    1       0       0       0
  17. 32108417000000013320140317000548        03      01      苏KR0737        0.00    7       0       0       0
  18. 32108417000000013320140317000605        03      02      苏KYU203        0.00    1       0       0       0
  19. 32108417000000013320140317000659        01      02      苏K3R762        0.00    4       0       0       0
  20. 32108417000000013320140317001042        02      03      苏KYK578        0.00    6       0       0       0
  21. 32108417000000013320140317001222        02      03      苏KK8385        0.00    2       0       0       0
  22. 32108417000000013320140317001418        02      03      苏K26F89        0.00    7       0       0       0
  23. 32108417000000013320140317001538        02      03      苏KK8987        0.00    5       0       0       0
  24. 32108417000000013320140317001732        01      01      苏KYB127        0.00    7       0       0       0
  25. Time taken: 0.055 seconds, Fetched: 22 row(s)

五、创建用于导入数据的MySQL数据库及其表

  1. mysql> create database transport;
  2. Query OK, 1 row affected (0.00 sec)
  3. mysql> use transport;
  4. Database changed
  5. mysql> create table jtxx
  6. -> (
  7. ->   clxxbh varchar(64) not null primary key,
  8. ->   xsfx varchar(2),
  9. ->   cdbh varchar(4),
  10. ->   hphm varchar(32),
  11. ->   clsd varchar(16),
  12. ->   cllx varchar(2),
  13. ->   clbj varchar(8),
  14. ->   cllb varchar(8),
  15. ->   wflx varchar(8)
  16. -> );
  17. Query OK, 0 rows affected (0.04 sec)
  18. mysql> show tables;
  19. +---------------------+
  20. | Tables_in_transport |
  21. +---------------------+
  22. | jtxx                |
  23. +---------------------+
  24. 1 row in set (0.00 sec)
  25. mysql> select * from jtxx;
  26. Empty set (0.00 sec)

此处创建MySQL表的时候，一定要注意字段名称要和Hive表中对应

六、Sqoop将Hive表数据导入到MySQL中

  1. [hadoopUser@secondmgt ~]$ sqoop-export --connect jdbc:mysql://secondmgt:3306/transport --username hive --password hive --table jtxx --export-dir /hive/warehouse/hive.db/temptrans

使用以上导出命令会报如下错误：

  1. 15/04/21 19:38:52 INFO mapreduce.Job: Task Id : attempt_1428394594787_0010_m_000001_0, Status : FAILED
  2. Error: java.io.IOException: Can't export data, please check task tracker logs
  3. at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:112)
  4. at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:39)
  5. at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
  6. at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64)
  7. at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:763)
  8. at org.apache.hadoop.mapred.MapTask.run(MapTask.java:339)
  9. at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:162)
  10. at java.security.AccessController.doPrivileged(Native Method)
  11. at javax.security.auth.Subject.doAs(Subject.java:415)
  12. at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1491)
  13. at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:157)
  14. Caused by: java.util.NoSuchElementException
  15. at java.util.ArrayList$Itr.next(ArrayList.java:834)
  16. at jtxx.__loadFromFields(jtxx.java:387)
  17. at jtxx.parse(jtxx.java:336)
  18. at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:83)
  19. ... 10 more

这个错误的原因是指定Hive中表字段之间使用的分隔符错误，供Sqoop读取解析不正确。如果是由hive执行mapreduce操作汇总的结果，默认的分隔符是 '\001'，否则如果是从HDFS文件导入的则分隔符则应该是'\t'。此处我是hive执行mapreduce分析汇总的结果，所以默认的分隔是'\001'。Sqoop命令修改如下，指定分隔符：

  1. [hadoopUser@secondmgt ~]$ sqoop-export --connect jdbc:mysql://secondmgt:3306/transport --username hive --password hive --table jtxx --export-dir /hive/warehouse/hive.db/temptrans --input-fields-terminated-by '\001'

注意：

此处的Sqoop导出命令，当MySQL数据库中对应表为空，无数据的时候可以成功执行，但是当里面有数据，即从Hive表中需要导出的数据字段中，和MySQL表中关键字有重复的记录时候，进程会死住，不再往下执行，查看Hadoop任务界面出现内存被大部分占用，队列被占100%占用情况，如下：

  1. [hadoopUser@secondmgt ~]$ sqoop-export --connect jdbc:mysql://secondmgt:3306/transport --username hive --password hive --table jtxx --export-dir /hive/warehouse/hive.db/temptrans --input-fields-terminated-by '\001'
  2. Warning: /usr/lib/hcatalog does not exist! HCatalog jobs will fail.
  3. Please set $HCAT_HOME to the root of your HCatalog installation.
  4. 15/04/21 20:08:28 WARN tool.BaseSqoopTool: Setting your password on the command-line is insecure. Consider using -P instead.
  5. 15/04/21 20:08:28 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
  6. 15/04/21 20:08:28 INFO tool.CodeGenTool: Beginning code generation
  7. 15/04/21 20:08:29 INFO manager.SqlManager: Executing SQL statement: SELECT t.* FROM `jtxx` AS t LIMIT 1
  8. 15/04/21 20:08:29 INFO manager.SqlManager: Executing SQL statement: SELECT t.* FROM `jtxx` AS t LIMIT 1
  9. 15/04/21 20:08:29 INFO orm.CompilationManager: HADOOP_MAPRED_HOME is /home/hadoopUser/cloud/hadoop/programs/hadoop-2.2.0
  10. Note: /tmp/sqoop-hadoopUser/compile/67173774b957b511b4d62bc4ebe56e23/jtxx.java uses or overrides a deprecated API.
  11. Note: Recompile with -Xlint:deprecation for details.
  12. 15/04/21 20:08:30 INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-hadoopUser/compile/67173774b957b511b4d62bc4ebe56e23/jtxx.jar
  13. 15/04/21 20:08:30 INFO mapreduce.ExportJobBase: Beginning export of jtxx
  14. 15/04/21 20:08:30 INFO Configuration.deprecation: mapred.job.tracker is deprecated. Instead, use mapreduce.jobtracker.address
  15. SLF4J: Class path contains multiple SLF4J bindings.
  16. SLF4J: Found binding in [jar:file:/home/hadoopUser/cloud/hadoop/programs/hadoop-2.2.0/share/hadoop/common/lib/slf4j-log4j12-1.7.5.jar!/org/slf4j/impl/StaticLoggerBinder.class]
  17. SLF4J: Found binding in [jar:file:/home/hadoopUser/cloud/hbase/hbase-0.96.2-hadoop2/lib/slf4j-log4j12-1.6.4.jar!/org/slf4j/impl/StaticLoggerBinder.class]
  18. SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
  19. SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
  20. 15/04/21 20:08:30 INFO Configuration.deprecation: mapred.jar is deprecated. Instead, use mapreduce.job.jar
  21. 15/04/21 20:08:31 INFO Configuration.deprecation: mapred.reduce.tasks.speculative.execution is deprecated. Instead, use mapreduce.reduce.speculative
  22. 15/04/21 20:08:31 INFO Configuration.deprecation: mapred.map.tasks.speculative.execution is deprecated. Instead, use mapreduce.map.speculative
  23. 15/04/21 20:08:31 INFO Configuration.deprecation: mapred.map.tasks is deprecated. Instead, use mapreduce.job.maps
  24. 15/04/21 20:08:31 INFO client.RMProxy: Connecting to ResourceManager at secondmgt/192.168.2.133:8032
  25. 15/04/21 20:08:32 INFO input.FileInputFormat: Total input paths to process : 2
  26. 15/04/21 20:08:32 INFO input.FileInputFormat: Total input paths to process : 2
  27. 15/04/21 20:08:32 INFO mapreduce.JobSubmitter: number of splits:3
  28. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.job.classpath.files is deprecated. Instead, use mapreduce.job.classpath.files
  29. 15/04/21 20:08:32 INFO Configuration.deprecation: user.name is deprecated. Instead, use mapreduce.job.user.name
  30. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.cache.files.filesizes is deprecated. Instead, use mapreduce.job.cache.files.filesizes
  31. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.cache.files is deprecated. Instead, use mapreduce.job.cache.files
  32. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.reduce.tasks is deprecated. Instead, use mapreduce.job.reduces
  33. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.mapoutput.value.class is deprecated. Instead, use mapreduce.map.output.value.class
  34. 15/04/21 20:08:32 INFO Configuration.deprecation: mapreduce.map.class is deprecated. Instead, use mapreduce.job.map.class
  35. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.job.name is deprecated. Instead, use mapreduce.job.name
  36. 15/04/21 20:08:32 INFO Configuration.deprecation: mapreduce.inputformat.class is deprecated. Instead, use mapreduce.job.inputformat.class
  37. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.input.dir is deprecated. Instead, use mapreduce.input.fileinputformat.inputdir
  38. 15/04/21 20:08:32 INFO Configuration.deprecation: mapreduce.outputformat.class is deprecated. Instead, use mapreduce.job.outputformat.class
  39. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.cache.files.timestamps is deprecated. Instead, use mapreduce.job.cache.files.timestamps
  40. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.mapoutput.key.class is deprecated. Instead, use mapreduce.map.output.key.class
  41. 15/04/21 20:08:32 INFO Configuration.deprecation: mapred.working.dir is deprecated. Instead, use mapreduce.job.working.dir
  42. 15/04/21 20:08:32 INFO mapreduce.JobSubmitter: Submitting tokens for job: job_1428394594787_0016
  43. 15/04/21 20:08:33 INFO impl.YarnClientImpl: Submitted application application_1428394594787_0016 to ResourceManager at secondmgt/192.168.2.133:8032
  44. 15/04/21 20:08:33 INFO mapreduce.Job: The url to track the job: http://secondmgt:8088/proxy/application_1428394594787_0016/
  45. 15/04/21 20:08:33 INFO mapreduce.Job: Running job: job_1428394594787_0016

sqoop任务无法提交，一直处于以上状态无法继续执行，查看Hadoop任务界面，出现如下情况，队列被100%占用：

将Hive统计分析结果导入到MySQL数据库表中（一）——Sqoop导入方式

解决办法：

1、查看Hadoop正在运行的进程有哪些，hadoop job -list

2、杀死僵尸进程，hadoop job -kill [job-id]

3、修改Sqoop执行命令如下：

  1. sqoop-export --connect jdbc:mysql://secondmgt:3306/transport --username hive --password hive --table jtxx  --update-key clxxbh --
  2. update-mode allowinsert --export-dir /hive/warehouse/hive.db/temptrans  --input-fields-terminated-by '\001'

添加了两个参数：--update-key clxxbh    --update-mode allowinsert，前面一个表示如果后期导入的数据关键字和MySQL数据库中数据存在相同的，则更新该行记录，后一个表示将目标数据库中原来不存在的数据也导入到数据库表中，即存在的数据保留，新的数据插入，它后接另一个选项是updateonly，即只更新数据，不插入新数据。详细介绍，查看另外一篇博文（Sqoop1.4.4将文件数据集从HDFS中导出到MySQL数据库表中）

相关文章