用Sqoop导入数据到Hive中

用Sqoop导入数据到Hive中,从postgresql中导入大表到hive中会出现jvm内存溢出的错误，这是sqoop1.2及以前版本的一个bug，它把整个

1 安装sqoop

下载sqoop-1.2.0.tar.gz（1.20版兼容Hadoop0.20版本）

将 hadoop-core-0.20.2-cdh3u3.jar ，hadoop-tools-0.20.2-cdh3u3.jar 放入sqoop/lib目录下，这两个jar包是cloudera公司出的 ，可以去它的官网下载。

2 从mysql中导入数据

进入sqoop解压目录(需要将mysql-connector-java-5.1.17-bin.jar加入到sqoop/lib目录下)

bin/sqoop import --connect jdbc:mysql://IP:PORT/DATABASE --username USERNAME --password PASSWORD --table TABLENAME --hive-import -m 1

备注： -m 1 是启动多少个线程的意思，如果数据库没有主键 只能启动一个线程。

3 从postgresql中导入数据

bin/sqoop import --connect jdbc:postgresql://IP:PORT/DATABASE --username USERNAME --password PASSWORD --table TABLENAME --hive-import -m 1

4常见问题：

1 从postgresql中导入大表到hive中会出现jvm内存溢出的错误，这是sqoop1.2及以前版本的一个bug，它把整个数据表记录读入内存，导致内存溢出，解决办法是换sqoop1.3及以上版本，这个bug在1.3被修复，但是sqoop1.3 必须依赖chd3的hadoop版本，如果以前装的的纯hadoop版本的话只能换成chd3的版本。

2 在使用sqoop1.3版本，把hadoop换成cdh3之后，出现了一个奇怪为题：classNotFoundException:sqoop org.apache.hadoop.security.UserGroupInformation.login(xxx) ,这个问题是由于CDH3的hadoop版本引起的，在他的hadoop-core-0.20.2-cdh3u3.jar包中的UserGroupInformation 类确实没有login方法，，为此我又把hadoop恢复到apache 的hadoop0.20.2这个版本，然后下载了个sqoop1.4版本，居然sqoop1.4可以支持apache的hadoop，早知道这样完全不用安装CDH的hadoop版本了（这个问题困扰了我好久）