Sqoop将MySQL数据库表中数据导入到HBase表中

问题导读：

        1、--hbase-table、--hbase-row-key、--column-family及--hbase-create-table参数的作用？

        2、Sqoop将关系型数据库表中数据导入HBase中，默认Rowkey是什么？

        3、如果关系型数据库表中存在多关键字，该怎么办？

一、简介及部分重要参数介绍

        Sqoop除了能够将数据从关系型数据库导入到HDFS和Hive中，还能够导入到HBase表中。
       --hbase-table：通过指定--hbase-table参数值，指明将数据导入到HBase表中，而不是HDFS上的一个目录。输入表中的每一行将会被转换成一个HBase Put操作的输出表的一行。
       --hbase-row-key：你可以使用--hbase-row-key参数，手动的指定row key。默认的情况下，Sqoop会将split-by 列作为HBase rowkey列。如果没有指定split-by值，它将会试图识别关系表的关键字。

       如果源表是组合关键字，--hbase-row-key 参数后面值是用逗号分隔的组合关键字属性的列表，在这样种情况下，通过合并组合关键字属性的值来产生HBase的Row key，每个值之间使用下划线分隔开来。

       --column-family：必须指定--column-family参数，每一个输出列都会被放到同一个family列族中。  

      --hbase-create-table：如果HBase中的目标表和列族不存在，如果你使用该参数，Sqoop在运行任务的时候会根据HBase的默认配置，首先创建目标表和列族。

       注意一：当源表中是组合关键字的时候，必须手动指定--hbase-row-key参数，Sqoop才能将数据导入到HBase中，否则不行。
       注意二：如果HBase中的目标表和列族不存在，如果没加--hbase-create-table参数，Sqoop job将会报错误退出运行。所以你在将数据从源表导入到HBase之前，需要首先在HBase中创建目标表和其对应的列族。
      Sqoop目前会序列化所有的字段值，将值转换为字符串表示，然后向HBase中插入UTF-8编码的字符串值的二进制值。

二、原始数据如下

 mysql> select * from user;
 +----+-----------+--------------+--------------+
 | id | name      | address      | school       |
 +----+-----------+--------------+--------------+
 |  1 | 张三丰    | 五台山       | 安徽大学     |
 |  2 | 黄易某    | 江苏南京     | 南京大学     |
 |  3 | 李四      | 江苏苏州     | 苏州大学     |
 |  4 | 王海      | 江苏南京     |              |
 |  5 | 小德子    |              | 清华大学     |
 +----+-----------+--------------+--------------+
 5 rows in set (0.00 sec)

     上面id是关键字

三、以单关键字作为Rowkey导入

 [hadoopUser@secondmgt ~]$ sqoop import --connect jdbc:mysql://secondmgt:3306/test --username hive --password hive --table user --split-by id --hbase-table sqooptest --column-family stuInfo

       以--split-by id作为Rowkey导入，不加此参数，默认情况下也是以id作为RowKey导入的。执行报如下错误：

 15/01/19 19:17:29 INFO mapreduce.Job: Running job: job_1421373857783_0029
     15/01/19 19:17:43 INFO mapreduce.Job: Job job_1421373857783_0029 running in uber mode : false
     15/01/19 19:17:43 INFO mapreduce.Job:  map 0% reduce 0%
     15/01/19 19:17:54 INFO mapreduce.Job: Task Id : attempt_1421373857783_0029_m_000001_0, Status : FAILED
     Error: java.lang.RuntimeException: Could not access HBase table sqooptest
         at org.apache.sqoop.hbase.HBasePutProcessor.setConf(HBasePutProcessor.java:122)
         at org.apache.hadoop.util.ReflectionUtils.setConf(ReflectionUtils.java:73)
         at org.apache.hadoop.util.ReflectionUtils.newInstance(ReflectionUtils.java:133)
         at org.apache.sqoop.mapreduce.DelegatingOutputFormat$DelegatingRecordWriter.<init>(DelegatingOutputFormat.java:107)
         at org.apache.sqoop.mapreduce.DelegatingOutputFormat.getRecordWriter(DelegatingOutputFormat.java:82)
         at org.apache.hadoop.mapred.MapTask$NewDirectOutputCollector.<init>(MapTask.java:623)
         at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:743)
         at org.apache.hadoop.mapred.MapTask.run(MapTask.java:339)
         at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:162)
         at java.security.AccessController.doPrivileged(Native Method)
         at javax.security.auth.Subject.doAs(Subject.java:415)
         at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1491)
         at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:157)

      由错误日志可知，是由于无法访问sqooptest表导致，排除连接问题后，查看发现原来是HBase中没有该表。解决办法如下：

     1、先在HBase中创建sqooptest表

 hbase(main):006:0> create 'sqooptest','stuInfo'
 0 row(s) in 1.5930 seconds
 => Hbase::Table - sqooptest
 hbase(main):007:0> list
 TABLE
 sqooptest
 yzjt
 2 row(s) in 0.0290 seconds

       再次执行，查看结果

 hbase(main):012:0> scan 'sqooptest'
 ROW          COLUMN+CELL
  1           column=stuInfo:address, timestamp=1421665851147, value=\xE4\xBA\x94\xE5\x8F\xB0\xE5\xB1\xB1
  1           column=stuInfo:name, timestamp=1421665851147, value=\xE5\xBC\xA0\xE4\xB8\x89\xE4\xB8\xB0
  1           column=stuInfo:school, timestamp=1421665851147, value=\xE5\xAE\x89\xE5\xBE\xBD\xE5\xA4\xA7\xE5\xAD\xA6
  2           column=stuInfo:address, timestamp=1421665846096, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE5\x8D\x97\xE4\xBA\xAC
  2           column=stuInfo:name, timestamp=1421665846096, value=\xE9\xBB\x84\xE6\x98\x93\xE6\x9F\x90
  2           column=stuInfo:school, timestamp=1421665846096, value=\xE5\x8D\x97\xE4\xBA\xAC\xE5\xA4\xA7\xE5\xAD\xA6
  3           column=stuInfo:address, timestamp=1421665850852, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE8\x8B\x8F\xE5\xB7\x9E
  3           column=stuInfo:name, timestamp=1421665850852, value=\xE6\x9D\x8E\xE5\x9B\x9B
  3           column=stuInfo:school, timestamp=1421665850852, value=\xE8\x8B\x8F\xE5\xB7\x9E\xE5\xA4\xA7\xE5\xAD\xA6
  4           column=stuInfo:address, timestamp=1421665858288, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE5\x8D\x97\xE4\xBA\xAC
  4           column=stuInfo:name, timestamp=1421665858288, value=\xE7\x8E\x8B\xE6\xB5\xB7
  4           column=stuInfo:school, timestamp=1421665858288, value=
  5           column=stuInfo:address, timestamp=1421665862608, value=
  5           column=stuInfo:name, timestamp=1421665862608, value=\xE5\xB0\x8F\xE5\xBE\xB7\xE5\xAD\x90
  5           column=stuInfo:school, timestamp=1421665862608, value=\xE6\xB8\x85\xE5\x8D\x8E\xE5\xA4\xA7\xE5\xAD\xA6
 5 row(s) in 0.0650 seconds

     2、添加--hbase-create-table参数，使Sqoop在导入之前先在HBase中创建对应表及列族。

           以sqooptest2表为例演示如下：

 [hadoopUser@secondmgt ~]$ sqoop import --connect jdbc:mysql://secondmgt:3306/test --username hive --password hive --table user --split-by id --hbase-table sqooptest2 --column-family stuInfo --hbase-create-table

 hbase(main):020:0> scan 'sqooptest2'
 ROW              COLUMN+CELL
  1               column=stuInfo:address, timestamp=1421667190477, value=\xE4\xBA\x94\xE5\x8F\xB0\xE5\xB1\xB1
  1               column=stuInfo:name, timestamp=1421667190477, value=\xE5\xBC\xA0\xE4\xB8\x89\xE4\xB8\xB0
  1               column=stuInfo:school, timestamp=1421667190477, value=\xE5\xAE\x89\xE5\xBE\xBD\xE5\xA4\xA7\xE5\xAD\xA6
  2               column=stuInfo:address, timestamp=1421667185489, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE5\x8D\x97\xE4\xBA\xAC
  2               column=stuInfo:name, timestamp=1421667185489, value=\xE9\xBB\x84\xE6\x98\x93\xE6\x9F\x90
  2               column=stuInfo:school, timestamp=1421667185489, value=\xE5\x8D\x97\xE4\xBA\xAC\xE5\xA4\xA7\xE5\xAD\xA6
  3               column=stuInfo:address, timestamp=1421667190279, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE8\x8B\x8F\xE5\xB7\x9E
  3               column=stuInfo:name, timestamp=1421667190279, value=\xE6\x9D\x8E\xE5\x9B\x9B
  3               column=stuInfo:school, timestamp=1421667190279, value=\xE8\x8B\x8F\xE5\xB7\x9E\xE5\xA4\xA7\xE5\xAD\xA6
  4               column=stuInfo:address, timestamp=1421667198066, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE5\x8D\x97\xE4\xBA\xAC
  4               column=stuInfo:name, timestamp=1421667198066, value=\xE7\x8E\x8B\xE6\xB5\xB7
  4               column=stuInfo:school, timestamp=1421667198066, value=null
  5               column=stuInfo:address, timestamp=1421667201685, value=null
  5               column=stuInfo:name, timestamp=1421667201685, value=\xE5\xB0\x8F\xE5\xBE\xB7\xE5\xAD\x90
  5               column=stuInfo:school, timestamp=1421667201685, value=\xE6\xB8\x85\xE5\x8D\x8E\xE5\xA4\xA7\xE5\xAD\xA6
 5 row(s) in 0.0360 seconds

三、手动指定Rowkey

         禁用、删除掉之前创建的sqooptest表，演示手动指定Rowkey的情形。我们以id+name组合表示RowKey，如下：

 [hadoopUser@secondmgt ~]$ sqoop import --connect jdbc:mysql://secondmgt:3306/test --username hive --password hive --table user --split-by id --hbase-table sqooptest --column-family stuInfo --hbase-create-table --hbase-row-key id,name

        查看结果：

 hbase(main):026:0> list
 TABLE
 sqooptest
 yzjt
 2 row(s) in 0.0430 seconds

 => ["sqooptest", "yzjt"]
 hbase(main):027:0> scan 'sqooptest'
 ROW                                           COLUMN+CELL
  1_\xE5\xBC\xA0\xE4\xB8\x89\xE4\xB8\xB0       column=stuInfo:address, timestamp=1421668051376, value=\xE4\xBA\x94\xE5\x8F\xB0\xE5\xB1\xB1
  1_\xE5\xBC\xA0\xE4\xB8\x89\xE4\xB8\xB0       column=stuInfo:school, timestamp=1421668051376, value=\xE5\xAE\x89\xE5\xBE\xBD\xE5\xA4\xA7\xE5\xAD\xA6
  2_\xE9\xBB\x84\xE6\x98\x93\xE6\x9F\x90       column=stuInfo:address, timestamp=1421668046873, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE5\x8D\x97\xE4\xBA\xAC
  2_\xE9\xBB\x84\xE6\x98\x93\xE6\x9F\x90       column=stuInfo:school, timestamp=1421668046873, value=\xE5\x8D\x97\xE4\xBA\xAC\xE5\xA4\xA7\xE5\xAD\xA6
  3_\xE6\x9D\x8E\xE5\x9B\x9B                   column=stuInfo:address, timestamp=1421668051471, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE8\x8B\x8F\xE5\xB7\x9E
  3_\xE6\x9D\x8E\xE5\x9B\x9B                   column=stuInfo:school, timestamp=1421668051471, value=\xE8\x8B\x8F\xE5\xB7\x9E\xE5\xA4\xA7\xE5\xAD\xA6
  4_\xE7\x8E\x8B\xE6\xB5\xB7                   column=stuInfo:address, timestamp=1421668058375, value=\xE6\xB1\x9F\xE8\x8B\x8F\xE5\x8D\x97\xE4\xBA\xAC
  4_\xE7\x8E\x8B\xE6\xB5\xB7                   column=stuInfo:school, timestamp=1421668058375, value=null
  5_\xE5\xB0\x8F\xE5\xBE\xB7\xE5\xAD\x90       column=stuInfo:address, timestamp=1421668063445, value=null
  5_\xE5\xB0\x8F\xE5\xBE\xB7\xE5\xAD\x90       column=stuInfo:school, timestamp=1421668063445, value=\xE6\xB8\x85\xE5\x8