标签：
1、import增量导入的官方说明
2、测试sqoop的increment import
增量导入在企业当中，一般都是需要经常执行的，如隔一个星期就执行一次增量导入，故增量导入的方式需要多次执行，而每次执行时，又去写相应的执行命令的话，比较麻烦。而sqoop提供了一个很好的工具save job的方式。
测试的方式是通过--incremental来执行 lastmodified 模式， --check-column来设置 LASTMODIFIED检查的字段，意思就是当该字段发生更新或者添加操作，则才会执行导入。--last-value来设置初始值 ‘2014/8/27 13:00:00‘，该值是用来作为第一次导入的下界，从第二次开始，sqoop会自动更新该值为上一次导入的上界。
测试开始：sqoop创建一个job的方式来实现日常的增量导入，首先在关系型的数据库中oracle穿件一个测试表oracletablename，添加两条数据：
select * from oracletablename；
id name lastmodified
1 张三 2015-10-10 17：52：20.0
2 李四 2015-10-10 17：52：20.0
（1）创建sqoop job
sqoop job --create jobname -- import --connect jdbc:oracle:thin:@192.168.27.235:1521/orcl --username DATACENTER --password clear --table oracletablename --hive-import --hive-table hivetablename --incremental lastmodified --check-column LASTMODIFIED --last-value ‘2014/8/27 13:00:00‘
说明：
1）在上面的job当中，不能指定-m ，因为指定了-m的话，对应的导入会在hdfs上差生相应的中间结果，当你下一次再次执行job时，则会因为output directory is exist 报错。
2）上面的hivetablename必须是已存在的。在第一次导入的时候，为了使得表存在，可以通过将oracletablename的表结构导入到hive中，执行的命令如下：
sqoop create-hive-table --connect jdbc:oracle:thin:@//192.168.27.235:1521/ORCL --username DATACENTER --password clear --table tablename
执行完后，会在hive中创建一个具有相同名字和相同表结构的表。
（2）查看并执行job
上面已经创建了job后，可以通过下面的命令来查看是否已经创建job成功：
sqoop job --list 列出所有的job
sqoop job --show jobname 显示jobname的信息
sqoop job --delete jobname 删除jobname
sqoop job --exec jobname 执行jobname
（3）执行完job后，查看hive中的表是否有数据。当然不出意外肯定是有数据的
并且在 执行的过程中，我们可以看到对应的执行日志如下：
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
15/10/12 15:59:37 INFO manager.OracleManager: Time zone has been set to GMT
15/10/12 15:59:37 INFO manager.SqlManager: Executing SQL statement: SELECT t.* F ROM TEMP2 t WHERE 1=0
15/10/12 15:59:37 INFO tool.ImportTool: Incremental import based on column LASTM ODIFIED
15/10/12 15:59:37 INFO tool.ImportTool: Lower bound value: TO_TIMESTAMP(‘2014/8/ 27 13:00:00‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘)
15/10/12 15:59:37 INFO tool.ImportTool: Upper bound value: TO_TIMESTAMP(‘2015-10 -12 15:59:35.0‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘)
15/10/12 15:59:37 WARN manager.OracleManager: The table TEMP2 contains a multi-c olumn primary key. Sqoop will default to the column ID only for this job.
15/10/12 15:59:37 INFO manager.OracleManager: Time zone has been set to GMT
15/10/12 15:59:37 WARN manager.OracleManager: The table TEMP2 contains a multi-c olumn primary key. Sqoop will default to the column ID only for this job.
15/10/12 15:59:37 INFO mapreduce.ImportJobBase: Beginning import of TEMP2
15/10/12 15:59:37 INFO Configuration.deprecation: mapred.jar is deprecated. Inst ead, use mapreduce.job.jar
15/10/12 15:59:37 INFO manager.OracleManager: Time zone has been set to GMT
15/10/12 15:59:37 INFO Configuration.deprecation: mapred.map.tasks is deprecated . Instead, use mapreduce.job.maps
15/10/12 15:59:37 INFO client.RMProxy: Connecting to ResourceManager at hadoop3/ 192.168.27.233:8032
15/10/12 15:59:42 INFO db.DBInputFormat: Using read commited transaction isolati on
15/10/12 15:59:42 INFO db.DataDrivenDBInputFormat: BoundingValsQuery: SELECT MIN (ID), MAX(ID) FROM TEMP2 WHERE ( LASTMODIFIED >= TO_TIMESTAMP(‘2014/8/27 13:00:0 0‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘) AND LASTMODIFIED < TO_TIMESTAMP(‘2015-10-12 15:59:35.0‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘) )
15/10/12 15:59:42 INFO mapreduce.JobSubmitter: number of splits:4
说明：从上面的红色部分我们很清楚的知道，sqoop在导入的时候是怎么导入。我们可以知道设置的--last-value的值就是对应的下界。
（4）在关系数据库oracle中对oracletablename添加一个字段
id name lastmodified
1 张三 2015-10-10 17：52：20.0
2 李四 2015-10-10 17：52：20.0
3 李四 2015-10-12 16：01：23.0
（5）此时进行增量导入
即再一次执行job：sqoop job --exec jobname
再次查看日志的内容如下：
SLF4J: See http://www.slf4j.org/codes.html#multiple_bindings for an explanation.
SLF4J: Actual binding is of type [org.slf4j.impl.Log4jLoggerFactory]
15/10/12 16:02:17 INFO manager.OracleManager: Time zone has been set to GMT
15/10/12 16:02:17 INFO manager.SqlManager: Executing SQL statement: SELECT t.* F ROM TEMP2 t WHERE 1=0
15/10/12 16:02:17 INFO tool.ImportTool: Incremental import based on column LASTM ODIFIED
15/10/12 16:02:17 INFO tool.ImportTool: Lower bound value: TO_TIMESTAMP(‘2015-10 -12 15:59:35.0‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘)
15/10/12 16:02:17 INFO tool.ImportTool: Upper bound value: TO_TIMESTAMP(‘2015-10 -12 16:02:15.0‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘)
15/10/12
16:02:17 WARN manager.OracleManager: The table TEMP2 contains a
multi-c olumn primary key. Sqoop will default to the column ID only
for this job.
15/10/12 16:02:17 INFO manager.OracleManager: Time zone has been set to GMT
15/10/12
16:02:17 WARN manager.OracleManager: The table TEMP2 contains a
multi-c olumn primary key. Sqoop will default to the column ID only
for this job.
15/10/12 16:02:17 INFO mapreduce.ImportJobBase: Beginning import of TEMP2
15/10/12 16:02:17 INFO Configuration.deprecation: mapred.jar is deprecated. Inst ead, use mapreduce.job.jar
15/10/12 16:02:17 INFO manager.OracleManager: Time zone has been set to GMT
15/10/12 16:02:17 INFO Configuration.deprecation: mapred.map.tasks is deprecated . Instead, use mapreduce.job.maps
15/10/12 16:02:17 INFO client.RMProxy: Connecting to ResourceManager at hadoop3/ 192.168.27.233:8032
15/10/12 16:02:23 INFO db.DBInputFormat: Using read commited transaction isolati on
15/10/12
16:02:23 INFO db.DataDrivenDBInputFormat: BoundingValsQuery: SELECT
MIN (ID), MAX(ID) FROM TEMP2 WHERE ( LASTMODIFIED >=
TO_TIMESTAMP(‘2015-10-12 15:59:35.0‘, ‘YYYY-MM-DD HH24:MI:SS.FF‘)
AND LASTMODIFIED < TO_TIMESTAMP(‘2015-10-12 1 6:02:15.0‘,
‘YYYY-MM-DD HH24:MI:SS.FF‘) )
15/10/12 16:02:23 WARN db.BigDecimalSplitter: Set BigDecimal splitSize to MIN_IN CREMENT
15/10/12 16:02:23 INFO mapreduce.JobSubmitter: number of splits:1
说明：我们可以从执行的日志中看出，--last-value的值会自动更新为上一次的上界的值，注意看一下上次的上界即可。
标签：
原文地址：http://www.cnblogs.com/ljy2013/p/4872126.html
