Oracle数据导入Hbase操作步骤
——本文非本人原创,为公司同事整理,发布至此以便查阅
一、入库前数据准备
1、入hbase详细要求及rowkey生成规则,参考文档“_入HBase库要求 20190104.docx”。
2、根据标准库中的数据,生成带有rowkey的视图。
参照159数据库hubei_std用户下的p_getRowKey1存储过程,生成该用户下 所有表带有rowkey的视图。
注:运行存储过程时,需传入医院编码和采集次数。
3、在进行正式入库前,先以医院编码在hbase中建立命名空间(hbase shell 进 入命令界面):
create_namespace 'HB1'
4、在该命名空间下建立所有标准表的表名,如:
列族名称参照“入hbase统计表.xlsx”
create 'HB1:inp_orders’, 'f', SPLITS=>['e','i','m','q','u']
HB1:命名空间
Inp_orders:标准表名
f:列族
SPLITS:分区
注:建表时,与标准表名一致。
5、操作完以上步骤以后,开始进行入库操作。
二、入库开始
1、需先将oracle的ojdbc6.jar放入到该目录:
/opt/cloudera/parcels/CDH-5.12.0-1.cdh5.12.0.p0.29/lib/sqoop/lib
2、sqoop连接到oracle数据库:
sqoop list-tables --connect jdbc:oracle:thin:@172.16.0.159:1521:orcl --username hubei_std --password hubei_std 若连接成功,则显示hubei_std下的表。
3、将之前生成的视图的数据,导入hbase
sqoop import --append --connect jdbc:oracle:thin:@172.16.0.159:1521:orcl --username hubei_std --password hubei_std -m 1 --table INPBILLDETAIL --columns ID,NAME,AGE --hbase-create-table --hbase-table HB1:inp_bill_detail --hbase-row-key ROWKEY --column-family f
-m 1:指定1个map进行入库操作,若大于1,则需在该语句后加上--split-by column(column是指定oracle的源表按该字段进行分割,如指定列为 PATIENT_ID,m指定为2的话,则将PATIENT_ID的值均分2份进行入库)。
--append:如有该参数,则可以不指定--columns 参数。
--hbase-create-table:如已在hbase中建表,则可以不指定该参数。
--hbase-row-key:指定源表中,哪一列为rowkey
注:--hbase-table 参数,需在表名前加上命名空间
三、入库完成核对
1、核对入库条数是否正确:
hbase org.apache.hadoop.hbase.mapreduce.RowCounter ‘HB1:
pat_visit_master’
2、查看数据情况(两条记录):
get_table(‘HB1:pat_visit_master’).scan LIMIT=>2
3、进入CDM管理界面,在hue中查看数据情况:
Hue-->Web UI-->主菜单-->HBase-->进入对应的表看数据
4、入Hbase完成后大小对比:
湖北:
oracle:28.84G
Hbase:177.11G
查询方法:
Oracle:select sum(bytes)/1073741824 from user_segments
Hbase:hadoop fs -ls /
hadoop fs -ls /hbase
hadoop fs -ls /hbase/data
hadoop fs -ls /hbase/data/HB1
hadoop fs -du -h /hbase/data/HB1/
5、将入完hbase的数据拷贝到szyl命名空间下:
su hdfs
hbase org.apache.hadoop.hbase.mapreduce.CopyTable--new.name=
szyl:inp_orders HB1:inp_orders
四、入库速度
1、以湖北省肿瘤inp_orders表为实验表,该表31097227条记录:
1、-m 1 用时:1973秒,速度15761.39条/秒
2、-m 2 用时:5006秒,速度6211.99条/秒
以湖北省肿瘤inp_bill_detail表为实验表,该表113271245条记录:
1、-m 1 用时:8926秒,速度12690.03条/秒
2、-m 3 用时:9012秒,速度12568.93条/秒
inp_bill_detail:113271245条
inp_orders:31097227
pat_visit_master:273300
inp_settle_master:283025
2、开封市肿瘤数据入hbase:
exam_master:41630
exam_report:24336
his_cells:3833
his_organization:4208
inp_bill_detail:14385379
inp_orders:6024317
inp_settle_master:41830
lab_result:764482
五、遇到问题
1、在导入数据时,设定-m为3,则只有一个map执行,导入的数据量只有总数 据的三分之一,另外两个map不执行:
sqoop import --append --connect jdbc:oracle:thin:@172.16.0.159:1521:orcl --username hubei_std --password hubei_std -m 3 --table INPBILLDETAIL --hbase-table HB1:inp_bill_detail --hbase-row-key ROWKEY --column-family f --split-by PATIENT_ID
在指定--split-by参数时,不能指定虚列如:rownum 建议指定主键或唯一键
2、在创建表时,防止写成以下语句:
create ‘HB1:pat_visit_master’,’p’,SPLIT=[‘e’,’i’,’m’,q’,’u’]
create ‘HB1:pat_visit_master’,’p’,SPLITS=[‘e’,’i’,’m’,’q’,’u’]
以上两种写法,会将分区当成列族建在表中。
六、常用命令
1、删除命名空间:
drop_namespace ‘HB1’
2、查看命名空间:
describe_namespace ‘HB1’
3、列出所有命名空间:
list_namespace
4、查看命名空间下的所有表:
list_namespace_tables ‘HB1’
5、删除表:
disable ‘HB1:inp_orders’
drop ‘HB1:inp_orders’
6、删除表多的所有记录:
truncate ‘HB1:inp_orders’
7、查看表结构:
desc ‘HB1:inp_orders’
8、查询表数据:
scan ‘HB1:inp_orders’
9、查询现在执行的job:
hadoop job -list
Oracle数据导入Hbase操作步骤的更多相关文章
- Oracle 数据导入导出操作 (转)
Oracle数据导入导出imp/exp 功能:Oracle数据导入导出imp/exp就相当与oracle数据还原与备份. 大多情况都可以用Oracle数据导入导出完成数据的备份和还原(不会造成数据的丢 ...
- oracle数据导入的常用命令
oracle 中数据库完全导入导出:cmd命令行模式 oracle数据库cmdfile数据库服务器constraints Oracle数据导入导出imp/exp就相当于oracle数据还原与备份.ex ...
- sqoop将oracle数据导入hdfs集群
使用sqoop将oracle数据导入hdfs集群 集群环境: hadoop1.0.0 hbase0.92.1 zookeeper3.4.3 hive0.8.1 sqoop-1.4.1-incubati ...
- Oracle数据导入导出
Oracle数据导入导出imp/exp 在oracle安装目录下有EXP.EXE与IMP.EXE这2个文件,他们分别被用来执行数据库的导入导出.所以Oracle数据导入导出imp/exp就相当与ora ...
- 使用MySQL Migration Toolkit快速将Oracle数据导入MySQL[转]
使用MySQL Migration Toolkit快速将Oracle数据导入MySQL上来先说点废话本人最近在学习一些数据库方面的知识,之前接触过Oracle和MySQL,最近又很流行MongoDB非 ...
- Oracle数据导入导出imp/exp sp2-0734:未知的命令开头'imp...解决方法
Oracle数据导入导出imp/exp sp2-0734:未知的命令开头'imp...解决方法 sp2-0734:未知的命令开头'imp 忽略了剩余行默认分类 www.2cto.com 应该 ...
- Oracle数据导入导出imp/exp(转)
在oracle安装目录下有EXP.EXE与IMP.EXE这2个文件,他们分别被用来执行数据库的导入导出.所以Oracle数据导入导出imp/exp就相当与oracle数据还原与备份. 一.Oracle ...
- sqoop将mysql数据导入hbase、hive的常见异常处理
原创不易,如需转载,请注明出处https://www.cnblogs.com/baixianlong/p/10700700.html,否则将追究法律责任!!! 一.需求: 1.将以下这张表(test_ ...
- 使用sqoop将MySQL数据库中的数据导入Hbase
使用sqoop将MySQL数据库中的数据导入Hbase 前提:安装好 sqoop.hbase. 下载jbdc驱动:mysql-connector-java-5.1.10.jar 将 mysql-con ...
随机推荐
- react中的传参方式
react是一个SPA模式,即组件嵌套租,在一个单页面的应用中组件间的数值传递是必不可少的,主要的传参方式大致有一下几种: 1,在挂载的地方给组件传参 ReactDOM.rander(<a na ...
- js零碎知识汇总
1.window.location.href 表示在当前页面打开,不会打开新窗口. window.open 表示打开新窗口. 2.<input name="action" t ...
- 什么是ORM?
什么是ORM? MVC框架中重要的一部分就是ORM,实现了数据模型与数据库的解耦,即数据模型不需要依赖于特定的数据库,通过简单的配置就可以轻松更换数据库. ORM是对象关系映射的简称,主要任务是: 根 ...
- NumberFormatException: Invalid int类型不匹配异常——使用SQL数据库查询语句select * from blacknumber order by _id desc limit ?,20;出现
异常:类型不匹配 05-06 08:12:38.151: E/AndroidRuntime(14904): java.lang.NumberFormatException: Invalid int: ...
- Servlet(2)
HttpServlet 简介: Servlet 就是一个普通的java类,是运行在web容器上(tomcat)上的一个java类 用来通过Servlet中的代码,接受Http中浏览器的请求信息,以及对 ...
- POJO、JavaBean、DTO的区别
一.POJO(Plain Ordinary Java Object)简单的Java对象,其中有一些属性及其getter setter方法的类,没有业务逻辑(重点理解一下"没有业务逻辑&quo ...
- 其他知识点,API
日期和Math 获取2017-06-10格式的日期 Date.now() //当前时间毫秒数 var dt=new Date() dt.getTime() //毫秒数 dt.getFullYear() ...
- DOM艺术基础练习
每个月对于学习的JAVASCRIPT进行总结,加油 主要应用知识点 :
- C# 索引和长度必须引用该字符串内的位置 LENGTH
今天遇到了 索引和长度必须引用该字符串内的位置 的问题. 原因是实用 Substring 对字符串进行了前五位的截取,但是忽略了字符串本身不足五位的情况. 如果不足五位,直接将整个字符串赋值过来,添加 ...
- Linux下挂载iso文件和配置yum本地源
Linux的版本: [root@pbn ~]# head -n 1 /etc/issueRed Hat Enterprise Linux Server release 6.1 (Santiago) 1 ...