sqoop从oracle定时增量导入数据到hive

感谢：

http://blog.sina.com.cn/s/blog_3fe961ae01019a4l.html
http://f.dataguru.cn/thread-94073-1-1.html sqoop.metastore.client.record.password
http://blog.csdn.net/ryantotti/article/details/14226635 开启sqoop metastore

step 1 创建sqoop job
a.配置sqoop metastore服务
修改sqoop/conf/sqoop-site.xml文件

相关属性：

sqoop.metastore.server.location
sqoop.metastore.server.port
sqoop.metastore.client.autoconnect.url

上面三个参数是为了实现共享（shared)metastore，"By default, job descriptions are saved to a private repository stored in $HOME/.sqoop/. You can configure Sqoop to instead use a shared metastore, which makes saved jobs available to multiple users across a shared cluster. Starting the metastore is covered by the section on the sqoop-metastoretool."这样在其他的cluster上就可以共享job并执行。

如果不需要共享job，只需要把上面三个属性在配置文件中用<!-- -->注释掉即可。

sqoop.metastore.client.enable.autoconnect
sqoop.metastore.client.record.password 这个属性是为了保存数据库密码的，默认情况下处于安全需要，不会将密码保存到metastore中，这样每次执行job时就需要重新输入数据库的密码。为了定时执行，我们修改这个属性，是他可以保存密码。

修改如下：

<property> <name>sqoop.metastore.server.location</name> <value>/tmp/sqoop-metastore/shared.db</value></property><property> <name>sqoop.metastore.server.port</name> <value>16000</value></property><property>  <name>sqoop.metastore.client.autoconnect.url</name> <value>jdbc:hsqldb:hsql://118.228.197.115:16000/sqoop</value></property><property>  <name>sqoop.metastore.client.record.password</name>  <value>true</value></property><!--注释掉这个属性<property>  <name>sqoop.metastore.client.enable.autoconnect</name>  <value>false</value></property>-->

b.启动metasotre,控制台执行sqoop metastore命令(如果没有配置前三个属性，请跳过此步骤)
c.创建sqoop job

(为了方便执行，将下面的脚本写入到文件保存，然后用chmod u+x FILENAME修改权限后，通过 ./FILENAME执行文件，创建job)

sqoop job --meta-connect jdbc:hsqldb:hsql://hostIP:16000/sqoop --create JOBNAME -- import --hive-import --incremental append --connect jdbc:oracle:thin:@DatabaseIP:1521/INSTANCENAME --username USERNAME --password PASSWD --verbose -m 1 --bindir /opt/sqoop/lib --table TABLENAME --check-column COLUMNNAME --last-value VALUE

注意：

1) 如果前面没有配置共享metastore（即”sqoop.metastore.server.location" 、”sqoop.metastore.server.port“、”sqoop.metastore.client.autoconnect.url“三个属性在配置文件中已经注释了），那就需要将上面的脚本中 ”--meta-connect jdbc:hsqldb:hsql://hostIP:16000/sqoop“ 去掉。

2) "--create JOBNAME -- import"中”--“后面加一个空格再写import命令，否则执行出错
3) --check-column列不能是char varchar等，可以是date，int，
参考官网：http://sqoop.apache.org/docs/1.4.4/SqoopUserGuide.html 在官网页面查找 check-column字段，快速定位到相关解释

step 2 执行sqoop job看是否可以顺利进行

<!--查看job列表，看是否成功创建-->sqoop job --list<!--执行job,测试能否正常执行,此处如果导入的数据量大，会很耗费时间-->sqoop job --exec JOBNAME

step 3 确定sqoop job可以正常执行后，编写脚本定时执行

将下面的脚本写入一个文本文件，如 execJob,然后执行 chmod u+x execJob 命令添加可执行权限

source /etc/profilerm TABLENAME.java -fsqoop job -exec JOBNAME

step 4 用crontab工具实现定时执行

执行crontab -e 命令，添加如下一行脚本,保存退出即可

# 每天1点钟执行数据导入job0 1 * * * execJob 1>/root/execlogs 2>&1

注意：execJob就是step3创建的脚本文件，需要用具体的路径，如/root/execJob。“1>/root/execlogs 2>&1”这句是重定向stdout和stderr输出对象到指定文件，可以在文件中查看执行输出的信息。

crontab命令工具用法参考：

http://www.cnblogs.com/jiafan/articles/1153066.html

http://baike.baidu.com/view/1229061.htm