当与Oracle运行Apache Sqoop时,即使在命令中使用--hive-drop-import-delims选项后,与HCatalog导入一起使用的Sqoop也无法从列数据中删除新行(\ n)。
Sqoop查询:
sqoop import --connect jdbc:oracle:thin:@ORA_IP:ORA_PORT:ORA_SID \
--username user123 --password passwd123 -table SCHEMA.TBL_2 \
--hcatalog-table tbl2 --hcatalog-database testdb --num-mappers 1 \
--split-by SOME_ID --columns col1,col2,col3,col4 --hive-drop-import-delims \
--outdir /tmp/temp_table_loc --class-name "SqoopWithHCAT" \
--null-string ""
Oracle Column col4中的数据如下:(数据具有控制字符,例如^ M)
<li>Details:^M
<ul>^M
<li>
Control字符会导致此问题吗?
我错过了什么吗?针对此问题是否有解决方法或解决方案?
使用--map-column-java
选项显式声明列的类型为String
。然后--hive-drop-import-delims
按预期工作(从数据中删除\n
)。
改变了Sqoop命令:
sqoop import --connect jdbc:oracle:thin:@ORA_IP:ORA_PORT:ORA_SID \
--username user123 --password passwd123 -table SCHEMA.TBL_2 \
--hcatalog-table tbl2 --hcatalog-database testdb --num-mappers 1 \
--split-by SOME_ID --columns col1,col2,col3,col4 --hive-drop-import-delims \
--outdir /tmp/temp_table_loc --class-name "SqoopWithHCAT" \
--null-string "" --map-column-java col4=String
sqoop import \
--connect jdbc:oracle:thin:@ORA_IP:ORA_PORT:ORA_SID \
--username 123 \
--password 123 \
--table SCHEMA.TBL_2 \
--hcatalog-table tbl2 --hcatalog-database testdb --num-mappers 1 \
--split-by SOME_ID --columns col1,col2,col3,col4 \
--hive-delims-replacement "anything" \
--outdir /tmp/temp_table_loc --class-name "SqoopWithHCAT" \
--null-string ""
你可以尝试这个--hive-delims-replacement“任何”这将用你提供的字符串替换所有\ n,\ t和\ 01字符(在这种情况下用字符串“any”替换)。
来自官方网站:https://sqoop.apache.org/docs/1.4.2/SqoopUserGuide.html
如果数据库的行包含字符串字段,其中存在Hive的默认行分隔符(\ n和\ r \ n字符)或列分隔符(\ 01个字符),则Hive将无法使用Sqoop导入的数据。您可以使用--hive-drop-import-delims选项在导入时删除这些字符以提供与Hive兼容的文本数据。或者,您可以使用--hive-delims-replacement选项在导入时使用用户定义的字符串替换这些字符,以提供与Hive兼容的文本数据。只有在使用Hive的默认分隔符时才应使用这些选项,如果指定了不同的分隔符,则不应使用这些选项。