【大数据面试】sqoop：空值、数据一致性、列式存储导出、数据量、数据倾斜

一、有没有遇到过问题，怎么进行解决的

1、空值问题

本质：hive底层存储空数据使用\n《==》MySQL存储空数据使用null

解决：双向导入均分别使用两个参数☆，之前讲过

2、数据一致性问题

Hive            ==》         MySQL

默认是4个map

2个成功，2个失败

原则：数据可以没有，但不能有错误

原因：数仓是为决策使用的

保证数据一致性的参数：--staging

3、ads层是parquet列式存储/ORC   ==》  导出到MySQL，能否导出成功

直接导入，不能成功

导入失败，抛异常

解决：

parquet列式存储/ORC   ==》 textfile临时表   ==》 MySQL

或：parquet列式存储/ORC   +     列式存储的参数   ==》 MySQL

推荐：ads层不要建列式存储表【一张表，每天一条数据】

4、sqoop每天向hdfs导入多少数据【举一反三】

每天100w日活跃量，sqoop导入的业务数据

普通的日常消费品电商，10w条订单，每人每天产生10条【业务数仓10条，行为数仓100条】

10w订单*10条=1G数据量

5、面试官公司比较大，sqoop导入数据时，发生了数据倾斜【map分配不均匀】，如何解决

解决：nume-mappers，默认4个map，可以尝试增加map数

或：按照某一列来切分表的工作单元，即通过ROWNUM()，生成一个严格均匀分布的字段