sqoop（DataX）-MySQL导入HIVE时间格问题
这里写自定义目录标题
- 问题1：
- 测试
-
- MySQL 数据信息
- HIVE数据信息
- hive中用 parquet（orc） 列式文件格式存储
- 解决方法
- 问题2：
- 解决方法
问题1：
用公司的大数据平台（DataX）导数，已经开发上线一个多月的一批报表，突然有同事说有个报表数据不准。出在时间字段上。
分析:
1、先看了原数据MySQL字段类型为datetime,目标字段为timestamp类型；
2、经发现所有时间的差距都是8小时，怀疑是因为时区转换的原因；
3、对比其他表，看看是大范围现象还是特殊情况，发现其他的同样情况字段的一样没有问题，也有改变为string字段类型的也没有问题；
测试
MySQL 数据信息
MySQL表名：test
MySQL字段类型如下：
| field_name | type |
|---|---|
| id | int |
| name | varchar |
| creat_day_time | datetime |
| create_day | date |
| create_time | time |
| create_time_stamp | timestamp |
-----测试数据如下
id name create_day_time create_day create_time create_time_stamp
1 xiaoming 2023-04-10 14:20:42 2023-04-10 14:20:42 2023-04-10 14:20:42
2 xiaohong 2023-04-21 14:21:02 2023-04-21 14:21:02 2023-04-21 14:21:02
HIVE数据信息
hive中用 text 文件格式存储
hive 表名：test_text
| field_name | type |
|---|---|
| id | int |
| name | string |
| creat_day_time | string |
| create_day | string |
| create_time | string |
| create_time_stamp | string |
-----hive 表中的数据：
id name create_day_time create_day create_time create_time_stamp
1 xiaoming 2023-04-10 14:20:42 2023-04-10 14:20:42 2023-04-10 14:20:42
2 xiaohong 2023-04-21 14:21:02 2023-04-21 14:21:02 2023-04-21 14:21:02
与mysql表里面数据一致；
hive中用 parquet（orc） 列式文件格式存储
hive表名：test_parquet
导入hive命令：
| field_name | type |
|---|---|
| id | int |
| name | string |
| creat_day_time | string |
| create_day | string |
| create_time | string |
| create_time_stamp | string |
-----hive 表中的数据：
id name create_day_time create_day create_time create_time_stamp
1 xiaoming 1681107642000 1681056000000 22842000 1681107642000
2 xiaohong 1682058062000 1682006400000 22862000 1682058062000
结论:
1、sqoop(DataX) 导 mysql 到 hive以text文件格式存储时，mysql时间类型：datetime,date,time,timestamp 会被转成 hive 的 string 类型，值保存格式化后的时间字符串
2、sqoop(DataX) 导 mysql 到 hive以parquet(orc)l列式文件格式存储时，mysql时间类型：datetime,date,time,timestamp 会被转成 hive的相应类型，值保存时间戳
解决方法
hive表存储格式为：行式存储（text）格式，hive表相应字段（mysql里面datetime字段）设置为string类型；
问题2：
mysql表中字段类型是tinyint(1),同步到hive中，也会显示出布尔类型，就是true和false。
官网解释如下：
Mysql中存在tinyint(1)时，在数据导入到HDFS时，该字段默认会被转化为boolean数据类型，导致数据内容丢失（都变为NULL）。
解决方法
1、可以在mysql中在建立一张表，将新建立的表修改为int类型，之后在进行同步。
2、修改sqoop的同步脚本。
解决方案：
在–connect参数后的jdbc连接上添加参数：tinyInt1isBit=false
注意：
若有多个参数，需要使用双引号将整个参数值括起来
如：–connect " jdbc:mysql://ip:3306/db?serverTimezone=Asia/Shanghai&tinyInt1isBit=false "