hive数据新旧平台迁移

本文主要是介绍hive数据新旧平台迁移，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

背景：年前就已经规划好了，今年要将所有的数据接入一个大的平台，新平台搭建好，将旧平台的数据迁移过去即可。此时轮到本小组将自己的旧平台数据迁移到新平台中。注：旧平台5.12，新平台6.1.1。
自己遇到的问题并解决。
1.脚本中文传参不行，会出现乱码，这个其实没根本解决。最后是将这些品类 自定义标准码 利用数字或英文来代替，在脚本中做一个if判断，变量接收传进入的。有的直接不能导出全乱码，思路是先用unicode 先将中文转成英文字符，传到另外的存储后再解码就好了。
2.由于新平台权限管制很严。有些数据得到的很耗时不可能能重新跑，导出文件再上传到新平台。导出时下载有限制最多只能10w。解决方法：
1.HIVE导出超过10万的数据.
set hive.exec.compress.output=false;
insert overwrite directory ‘/user/data_ware/tmp/CSQ’
ROW FORMAT DELIMITED FIELDS TERMINATED BY ‘\t’
select * from TABLE
3.新平台只有自己的账号下有权限。其他目录创建不了文件夹。将2中的文件上传到自己的目录下，impala或hive中创建外部表
create external table if not exists uinteg_dw.map_jwd_test(id string ,detail_address string , lng string , lat string )
row format delimited fields terminated by ‘\t’
stored as textfile
location ‘/user/uintegrate/jwd’;
注意：这个row format delimited fields terminated by '\t’要与导出的规则一致。要不然创建了也改看不到数据。
再创建内部表 将外部表中数据倒入即可：
create table if not exists uinteg_dw.map_jwd as
select * from uinteg_dw.map_jwd_test
注意：问题外部表和内部表结构要一致。
4.hive中数据同步到Elasticsearch 之前用jdbc连，需要引用外部jar add jar xxxxx，报错权限不足。这种方式不行，改为hive -e来进行连。

5.将分区表中每日增量数据导出半年的数据。 导出时建分区表，会多加要分区的字段。就用循环方式而且还通用。缺点是一个循环就是一个mr很耗资源。
#!/bin/sh

********************************************************************************

程序名称: P_EXP_ALL_TEMPLATE_STATDATE

功能描述: 4.1.1 数据导出-日增量-统计日

输入参数: p_in_time_str,p_in_time_end

输入资源: hadoop.T_XXXX

输出资源: mysql.T_XXXX

中间资源:

创建人员: CSQ

创建日期:

版本说明:

修改人员:

修改日期:

修改原因:

版本说明:

********************************************************************************

程序逻辑

1. 依据输入参数（数据源，开始日期，结束日期），将hadoop平台的报表导入到mysql对应表去

********************************************************************************

#引用公共参数，获取下游数据库权限赋值
source P_PARAMETER_EXP_DB_MYSQL_TEST.sh
source P_PARAMETER_SHARE.sh
export HADOOP_USER_NAME=uintegrate
vc_tablename=$1
ve_tablename=$2

if [ KaTeX parse error: Expected 'EOF', got '#' at position 1: #̲ -eq 2 ]; the…p_in_time_str
elif [ $# -eq 3 ];
then
p_in_time_str=$3
p_in_time_end=$3
elif [ $# -eq 4 ];
then
p_in_time_str=$3
p_in_time_end=$4
else
p_in_time_str=‘1901-01-01 00:00:00’
p_in_time_end=‘1901-01-01 00:00:00’
fi

vi_stat_st=date -d $p_in_time_str +%Y-%m-%d
vi_stat_ed=date -d $p_in_time_end +%Y-%m-%d

#获取链接信息，里面包含 ip,端口,用户,密码,数据库
dblist=${VC_DBLIST}

dbhost=echo "${dblist}" |awk -F, '{print $1}'
dbport=echo "${dblist}" |awk -F, '{print $2}'
dbuser=echo "${dblist}" |awk -F, '{print $3}'
dbpw=echo "${dblist}" |awk -F, '{print $4}'
dbname=echo "${dblist}" |awk -F, '{print $5}'

echo “$p_i{n}_{t}im{e}_{s}tr","$p_in_time_end”,“$v{i}_{s}ta{t}_{s}t","$vi_stat_ed”

while [[ $vi_stat_st < date -d "+1 day $vi_stat_ed" +%Y-%m-%d ]]
do
echo KaTeX parse error: Expected '}', got 'EOF' at end of input: …/uinteg_ods.db/vc_tablename/createtime=$vi_stat_st
if [ $?-eq0];thensqoopexport--connect"jdbc:mysql://${dbhost}:$dbport/${dbname}?useUnicode=true&characterEncoding=utf-8" --username ${dbuser} --password ${dbpw} --table $v{e}_{t}ablename--export-dir/user/hive/warehouse/uinte{g}_{o}ds.db/$vc_tablename/createtime=KaTeX parse error: Expected 'EOF', got '\0' at position 42: …terminated-by '\̲0̲01' --input-nul…vc_tablename/createtime=$vi_stat_st exists’
fi
}&&
{
vi_stat_st=date -d "+1 day $vi_stat_st" +%Y-%m-%d
}
done

做完后思考其实还可以用另一种方式：加就加分区，半年的整合成一张表，导出文件，上传到新平台，建一个外部表，再用3不过*不能用了，选择要的字段。

其他的还在继续。

这篇关于hive数据新旧平台迁移的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---