标签:存储 列式 sqoop 导入 数据量 MySQL 数据
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
标签:存储,列式,sqoop,导入,数据量,MySQL,数据 来源: https://www.cnblogs.com/liujinhui/p/15693348.html
本站声明: 1. iCode9 技术分享网(下文简称本站)提供的所有内容,仅供技术学习、探讨和分享; 2. 关于本站的所有留言、评论、转载及引用,纯属内容发起人的个人观点,与本站观点和立场无关; 3. 关于本站的所有言论和文字,纯属内容发起人的个人观点,与本站观点和立场无关; 4. 本站文章均是网友提供,不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属;如您发现该文章侵犯了您的权益,可联系我们第一时间进行删除; 5. 本站为非盈利性的个人网站,所有内容不会用来进行牟利,也不会利用任何形式的广告来间接获益,纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。