用sqoop将oracle数据导入Hbase

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

其中id是主键

三、以单关键字作为Rowkey导入

sqoop import --append --connect jdbc:oracle:thin:@219.216.110.120:1521:orcl --username TEST1 --password test1 --table TEST1 --columns age  --hbase-table test1 --hbase-row-key id --column-family personinfo

hbase(main):005:0> scan 'test1'ROW                   COLUMN+CELL                                                1                    column=personinfo:name, timestamp=1462411628085, value=\xE                      5\xBC\xA0\xE4\xB8\x89                                      1                    column=personinfo:sex, timestamp=1462411628085, value=\xE7                      \x94\xB7                                                   2                    column=personinfo:name, timestamp=1462411628085, value=\xE                      6\x9D\x8E\xE5\x9B\x9B                                      2                    column=personinfo:sex, timestamp=1462411628085, value=\xE5                      \xA5\xB3                                                   3                    column=personinfo:name, timestamp=1462411625239, value=\xE                      7\x8E\x8B\xE4\xBA\x94                                      4                    column=personinfo:name, timestamp=1462411623526, value=\xE                      8\xB5\xB5\xE5\x85\xAD                                      4                    column=personinfo:sex, timestamp=1462411623526, value=\xE7                      \x94\xB7                                                   5                    column=personinfo:name, timestamp=1462411628403, value=\xE                      7\x94\xB0\xE4\xB8\x83                                      5                    column=personinfo:sex, timestamp=1462411628403, value=\xE5                      \xA5\xB3                                                   6                    column=personinfo:name, timestamp=1462411628403, value=\xE                      7\x8E\x8B\xE5\x85\xAB                                     6 row(s) in 0.4110 seconds

三、手动指定Rowkey

        建立test2表，演示手动指定Rowkey的情形。我们以id+name组合表示RowKey，如下：

sqoop import --append --connect jdbc:oracle:thin:@219.216.110.120:1521:orcl --username TEST1 --password test1 --table TEST1 --columns id,name,sex,age --hbase-create-table --hbase-table test2 --hbase-row-key id,name --column-family personinfo

        查看结果：

hbase(main):006:0> scan 'test2'ROW                   COLUMN+CELL                                                1_\xE5\xBC\xA0\xE4\x column=personinfo:age, timestamp=1462413115207, value=20   B8\x89                                                                          1_\xE5\xBC\xA0\xE4\x column=personinfo:sex, timestamp=1462413115207, value=\xE7 B8\x89               \x94\xB7                                                   2_\xE6\x9D\x8E\xE5\x column=personinfo:age, timestamp=1462413115207, value=25   9B\x9B                                                                          2_\xE6\x9D\x8E\xE5\x column=personinfo:sex, timestamp=1462413115207, value=\xE5 9B\x9B               \xA5\xB3                                                   3_\xE7\x8E\x8B\xE4\x column=personinfo:age, timestamp=1462413102229, value=65   BA\x94                                                                          4_\xE8\xB5\xB5\xE5\x column=personinfo:sex, timestamp=1462413115746, value=\xE7 85\xAD               \x94\xB7                                                   5_\xE7\x94\xB0\xE4\x column=personinfo:age, timestamp=1462413120206, value=45   B8\x83                                                                          5_\xE7\x94\xB0\xE4\x column=personinfo:sex, timestamp=1462413120206, value=\xE5 B8\x83               \xA5\xB3                                                  5 row(s) in 0.1520 seconds

       由上可知，数据也成功导入到了HBase中，且Rowkey为id号+name列值的二进制值的组合。Rowkey列之间值是以下划线分隔的。