背景
公司采购了外部服务，其存储为ClickHouse，按照公司要求需要将其数据采集到Hive。
验证环境
- CDH: 6.3.2
- ClickHouse: 19.15.4.10
- Sqoop: 1.4.7
Driver
- 需要在脚本中明确指明所使用的Driver完整签名。
- ClickHouse使用自定义协议，所以需要将jar文件添加到$SQOOP_HOME/lib（仅提交任务到客户端机器即可）。
- 0.4.0版本：
$SQOOP_HOME/lib/clickhouse-jdbc-0.4.0-all.jar - 0.3.1-patch：
$SQOOP_HOME/lib/clickhouse-jdbc-0.3.1-patch-shaded.jar
- 0.4.0版本：
异常
No columns to generate for ClassWriter
这是一个通用异常，表示在生成代码之前发生了异常。想要解决问题，需要查看该异常之前的异常，有时不能正确显示异常，如果看不懂，再次执行显示异常可能会变化，曝露出来的才是真问题，比如用户名密码问题，或者driver版本问题。
- 用户名密码问题，如果ck端没有用户名密码，则不要添加username和password。
- driver版本问题，笔者driver使用0.4.0.0，ck server端使用19.15.4.10，提示"Sorry this driver only supports Clickhouse server 20.7 or above，降至0.3.1-patch版本问题解决。
注意
clickhouse-jdbc-0.3.2+(包含0.3.2)版本与之前版本有较大差异，请根据自己的ClickHouse server版本选择对应版本。
- 0.3.2+仅支持ClickHouse server 20.7，本次验证使用0.3.1-patch版本可以实现sqoop import。
- driverClass名称在0.3.2版本同样发生了变更：
- 0.3.2(含)+：
com.clickhouse.jdbc.ClickHouseDriver - 0.3.2(不含)-：
ru.yandex.clickhouse.ClickHouseDriver
- 协议名称也发生了调整
- 0.3.2(含)+：
jdbc:ch://<host>:<port>[/<database>] - 0.3.2(不含)-：
jdbc:clickhouse://<host>:<port>[/<database>]
脚本
如下脚本用于0.3.1-patch版本，在0.3.2+版本注意修改driver和协议名称。
sqoop import \
--connect "jdbc:clickhouse://10.1.10.18:8124/mydb" \
--driver ru.yandex.clickhouse.ClickHouseDriver \
-m 1 \
--mapreduce-job-name mydb_message \
--hs2-url "jdbc:hive2://hadoop7:10001/;principal=hive/hadoop7@N18.COM" --hive-table dev_shuju.mydb_message \
--target-dir /tmp/sqoop/import/mydb_message \
--delete-target-dir \
--hive-import \
--hive-drop-import-delims \
--hive-overwrite \
--fields-terminated-by '\001' \
--null-string '\\N' \
--null-non-string '\\N' \
--hive-partition-key ymd \
--hive-partition-value '20211127' \
--query "select * from message where date='2021-11-27' and \$CONDITIONS";
性能
| 条数 | 字节数 | 并行度 | 用时 | 速率 | 网络环境 |
|---|---|---|---|---|---|
| 410 万 | 5.35GB | 1 | 290 sec | 18.85 MB/sec | 千兆局域网 |