Sqoop处理Clob与Blob字段

[Author]: kwu 

Sqoop处理Clob与Blob字段，在Oracle中Clob为大文本，Blob存储二进制文件。遇到这类字段导入hive或者hdfs需要特殊处理。

1、oracle中的测试表

 CREATE TABLE
     T_LOB
     (
         A INTEGER,
         B CLOB,
         C BLOB
     )

测试数据

 insert into T_LOB (A, B, C) values (1, 'clob测试',to_blob('3456'));

2、sqoop脚本

 import
 --append
 --connect
 jdbc:oracle:thin:@localhost:1521/orcl
 --username
 wuke
 --password
 Abcd1234
 --table
 BDC_TEST.T_LOB
 --columns
 "A,B,C"
 --target-dir
 /tmp/t_lob

 -m
 1

执行脚本

 sqoop --options-file ./importHdfs.opt

3、查看生成的HDFS文件

可以看出，clob的字段是导入到hdfs上是正常显示文本，blob是二进制文件导出到hdfs上显示为16进制

16进制转换为string可采用如下方法，实际上通过移位操作来实现：

 package com.ganymede.test;

 /**
  * 十六进制的转换操作
  * @author Ganymede
  *
  */
 public class Hex {

     /**
      * 用于建立十六进制字符的输出的小写字符数组
      */
     private static final char[] DIGITS_LOWER = { '0', '1', '2', '3', '4', '5',
             '6', '7', '8', '9', 'a', 'b', 'c', 'd', 'e', 'f' };

     /**
      * 用于建立十六进制字符的输出的大写字符数组
      */
     private static final char[] DIGITS_UPPER = { '0', '1', '2', '3', '4', '5',
             '6', '7', '8', '9', 'A', 'B', 'C', 'D', 'E', 'F' };

     /**
      * 将字节数组转换为十六进制字符数组
      *
      * @param data
      *            byte[]
      * @return 十六进制char[]
      */
     public static char[] encodeHex(byte[] data) {
         return encodeHex(data, true);
     }

     /**
      * 将字节数组转换为十六进制字符数组
      *
      * @param data
      *            byte[]
      * @param toLowerCase
      *            true 传换成小写格式 ， false 传换成大写格式
      * @return 十六进制char[]
      */
     public static char[] encodeHex(byte[] data, boolean toLowerCase) {
         return encodeHex(data, toLowerCase ? DIGITS_LOWER : DIGITS_UPPER);
     }

     /**
      * 将字节数组转换为十六进制字符数组
      *
      * @param data
      *            byte[]
      * @param toDigits
      *            用于控制输出的char[]
      * @return 十六进制char[]
      */
     protected static char[] encodeHex(byte[] data, char[] toDigits) {
         int l = data.length;
         char[] out = new char[l << 1];
         // two characters form the hex value.
         for (int i = 0, j = 0; i < l; i++) {
             out[j++] = toDigits[(0xF0 & data[i]) >>> 4];
             out[j++] = toDigits[0x0F & data[i]];
         }
         return out;
     }

     /**
      * 将字节数组转换为十六进制字符串
      *
      * @param data
      *            byte[]
      * @return 十六进制String
      */
     public static String encodeHexStr(byte[] data) {
         return encodeHexStr(data, true);
     }

     /**
      * 将字节数组转换为十六进制字符串
      *
      * @param data
      *            byte[]
      * @param toLowerCase
      *            true 传换成小写格式 ， false 传换成大写格式
      * @return 十六进制String
      */
     public static String encodeHexStr(byte[] data, boolean toLowerCase) {
         return encodeHexStr(data, toLowerCase ? DIGITS_LOWER : DIGITS_UPPER);
     }

     /**
      * 将字节数组转换为十六进制字符串
      *
      * @param data
      *            byte[]
      * @param toDigits
      *            用于控制输出的char[]
      * @return 十六进制String
      */
     protected static String encodeHexStr(byte[] data, char[] toDigits) {
         return new String(encodeHex(data, toDigits));
     }

     /**
      * 将十六进制字符数组转换为字节数组
      *
      * @param data
      *            十六进制char[]
      * @return byte[]
      * @throws RuntimeException
      *             如果源十六进制字符数组是一个奇怪的长度，将抛出运行时异常
      */
     public static byte[] decodeHex(char[] data) {

         int len = data.length;

         if ((len & 0x01) != 0) {
             throw new RuntimeException("Odd number of characters.");
         }

         byte[] out = new byte[len >> 1];

         // two characters form the hex value.
         for (int i = 0, j = 0; j < len; i++) {
             int f = toDigit(data[j], j) << 4;
             j++;
             f = f | toDigit(data[j], j);
             j++;
             out[i] = (byte) (f & 0xFF);
         }

         return out;
     }

     /**
      * 将十六进制字符转换成一个整数
      *
      * @param ch
      *            十六进制char
      * @param index
      *            十六进制字符在字符数组中的位置
      * @return 一个整数
      * @throws RuntimeException
      *             当ch不是一个合法的十六进制字符时，抛出运行时异常
      */
     protected static int toDigit(char ch, int index) {
         int digit = Character.digit(ch, 16);
         if (digit == -1) {
             throw new RuntimeException("Illegal hexadecimal character " + ch
                     + " at index " + index);
         }
         return digit;
     }

     public static void main(String[] args) {
         String srcStr = "待转换字符串";
         String encodeStr = encodeHexStr(srcStr.getBytes());
         String decodeStr = new String(decodeHex(encodeStr.toCharArray()));
         System.out.println("转换前：" + srcStr);
         System.out.println("转换后：" + encodeStr);
         System.out.println("还原后：" + decodeStr);


         System.out.println("---------------------------------------");
         decodeStr = new String(decodeHex("3435363738390d0a626c6f62".toCharArray()));
         System.out.println("还原后：" + decodeStr);
     }

 }

对于hive可以在入库前转换成string，或者直接入库后使用udf来转换