sqoop导入多表，hbase存es的数据串表解决

1.问题

有多个表需要导入HBase及es中，在HBase中创建多个表没有问题，但是通过HBase Observer同步数据到es中，多个索引/类型的映射，ElasticSearch会串数据，以最后的table-att为准

2.解决建议

• 为每个表复制生成不同的jar包路径，Observer加载不同的jar包。
• ES中多表可以区分不同的index、type。
• 但是，问题是单个jar包有77mb，如果导入100个表，jar包占用空间是个问题。

2.1 生成建表脚本

#!/bin/bash
htablename=$1
estypename=$2

if [ $# -eq 2 ]; then
  date
  echo `hbase shell <<EOF
    exists $htablename
    quit
  EOF` | grep 'does exist' >/dev/null 2>&1
  rtstatus=$?
  if [ $rtstatus -ne 0 ]; then
    echo "copying new observer.jar to observer-"$htablename".jar..."
    hdfs dfs -cp /hbase/lib/observer.jar /hbase/lib/observer-$htablename.jar
    echo $htablename" hbase-table is creating and configuring..."
    `hbase shell <<EOF
      create '$htablename','data'
      disable '$htablename'
      alter '$htablename', METHOD => 'table_att', 'coprocessor' => 'hdfs:///hbase/lib/observer-$htablename.jar|com.jusfoun.data.DataSyncObserver|1001|es_cluster=elas2.3.4,es_type=$estypename,es_index=hbase,es_port=9300,es_host=localhost--127.0.0.1'
      enable '$htablename'
      quit
    EOF` >/dev/null 2>&1
    echo $htablename" hbase-table is successed for create and configure."
  else
    echo "hbase-table already exists for name:"$htablename
  fi
  date
else
  echo "参数输入有误，请确认后重新运行。"
  echo "Usage: sh "$0" <HBase Table Name> <ElasticSearch Type Name>"
fi

3.思路改变

• 多个表都导入到同一个es的index和type中，通过修改id来区分。
  现在id是各个表的主键（1），修改成 库名-表名-主键形式（database1-table1-1）。
• 多个表在ES中index、type都相同，通过id前缀区分。
• 多个表都用同一个jar包，节省空间

4.如何实现修改id

• sqoop导入hbase时，修改hbase的rowKey

bin/sqoop import --connect jdbc:oracle:thin:@192.168.16.223:1521/orcl --username sitts --password password --table SITTS.ESB_SERVICE_PARAM --split-by PARAM_ID --hbase-table test --hbase-row-key PARAM_ID --column-family data

修改 --hbase-row-key 的值，在主键前加上String类型的库名-表名。

• Observer同步es时，修改es的id

String indexId = new String(put.getRow());
ElasticSearchOperator.addUpdateBuilderToBulk(client.prepareUpdate(Config.indexName, Config.typeName, indexId).setDoc(json).setUpsert(json));

修改 indexId 在主键前加上String类型的库名-表名。

5.实现sqoop修改rowKey

5.1 修改 --hbase-row-key 参数

bin/sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:oracle:thin:@192.168.16.223:1521/orcl --username sitts --password password --table SITTS.ESB_SERVICE_PARAM --split-by PARAM_ID --hbase-table test --hbase-row-key orcl,SITTS_ESB_SERVICE_PARAM,PARAM_ID --column-family data

5.2 异常：

不支持String直接生成组合rowKey

16/09/12 19:32:05 INFO mapreduce.Job: Task Id : attempt_1473133321920_0086_m_000000_2, Status : FAILED
Error: java.io.IOException: Could not insert row with null value for row-key column: name
    at org.apache.sqoop.hbase.ToStringPutTransformer.getPutCommand(ToStringPutTransformer.java:146)

5.3 源码修改：

使得sqoop支持String混合主键生成rowKey。

package org.apache.sqoop.hbase;

ToStringPutTransformer.class

line 122

        Object fieldValue = fields.get(fieldName);
        if (null == fieldValue) {
          // If the row-key column value is null, we don't insert this row.
//          throw new IOException("Could not insert row with null "
//            + "value for row-key column: " + fieldName);

          // lisiyu add - If the fieldValue column is null, we insert this fieldValue = fieldName.
          fieldValue = fieldName;
        }

line 146

      Object rowKey = fields.get(rowKeyCol);
      if (null == rowKey) {
//        // If the row-key column is null, we don't insert this row.
//        throw new IOException("Could not insert row with null "
//          + "value for row-key column: " + rowKeyCol);

        // lisiyu add - If the row-key column is null, we insert this rowKey = rowKeyCol.
        rowKey = rowKeyCol;
      }

5.4 打包并上传jar包

ant jar

sqoop源码打包成一个Jar放到你的$HADOOP_HOME/lib下

6. 测试

6.1 做了一个建表脚本

#!/bin/bash
htablename=$1

if [ $# -eq 1 ]; then
  date
  echo `hbase shell <<EOF
    exists $htablename
    quit
  EOF` | grep 'does exist' >/dev/null 2>&1
  rtstatus=$?
  if [ $rtstatus -ne 0 ]; then
    echo $htablename" hbase-table is creating and configuring..."
    `hbase shell <<EOF
      create '$htablename','data'
      disable '$htablename'
      alter '$htablename', METHOD => 'table_att', 'coprocessor' => 'hdfs:///hbase/lib/observer-$htablename.jar|com.jusfoun.data.DataSyncObserver|1001|es_cluster=elas2.3.4,es_type=data,es_index=hbase,es_port=9300,es_host=localhost--127.0.0.1'
      enable '$htablename'
      quit
    EOF` >/dev/null 2>&1
    echo $htablename" hbase-table is successed for create and configure."
  else
    echo "hbase-table already exists for name:"$htablename
  fi
  date
else
  echo "参数输入有误，请确认后重新运行。"
  echo "Usage: sh "$0" <HBase Table Name>"
fi

6.2 建两个表

sh create-hbase-table.sh test
sh create-hbase-table.sh test1

6.3 用sqoop导入数据

bin/sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:oracle:thin:@192.168.16.223:1521/orcl --username sitts --password password --table SITTS.ESB_SERVICE_PARAM --split-by PARAM_ID --hbase-table test --hbase-row-key name,PARAM_ID --column-family data

bin/sqoop import -D sqoop.hbase.add.row.key=true --connect jdbc:oracle:thin:@192.168.16.223:1521/orcl --username sitts --password password --table SITTS.ESB_FLOW --split-by FLOW_ID --hbase-table test1 --hbase-row-key name,FLOW_ID --column-family data

6.4 校验

ES head 查看

http://localhost:9200/_plugin/head/