hadoop - [Vertica][VJDBC](100172) 一行或多行被服务器拒绝

Question

使用 Sqoop 将数据从 Impala 加载到 Vertica 时出现以下错误。

Error: java.io.IOException: Can't export data, please check failed map task logs at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:112) at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:39) at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145) at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64) at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:787) at org.apache.hadoop.mapred.MapTask.run(MapTask.java:341) at org.apache.hadoop.mapred.YarnChild$2.run(YarnChild.java:163) at java.security.AccessController.doPrivileged(Native Method) at javax.security.auth.Subject.doAs(Subject.java:422) at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1671) at org.apache.hadoop.mapred.YarnChild.main(YarnChild.java:158) Caused by: java.io.IOException: java.sql.BatchUpdateException: [Vertica]VJDBC One or more rows were rejected by the server. at org.apache.sqoop.mapreduce.AsyncSqlRecordWriter.write(AsyncSqlRecordWriter.java:233) at org.apache.sqoop.mapreduce.AsyncSqlRecordWriter.write(AsyncSqlRecordWriter.java:46) at org.apache.hadoop.mapred.MapTask$NewDirectOutputCollector.write(MapTask.java:658) at org.apache.hadoop.mapreduce.task.TaskInputOutputContextImpl.write(TaskInputOutputContextImpl.java:89) at org.apache.hadoop.mapreduce.lib.map.WrappedMapper$Context.write(WrappedMapper.java:112) at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:84) ... 10 more Caused by: java.sql.BatchUpdateException: [Vertica]VJDBC One or more rows were rejected by the server. at com.vertica.jdbc.SStatement.processBatchResults(Unknown Source) at com.vertica.jdbc.SPreparedStatement.executeBatch(Unknown Source) at org.apache.sqoop.mapreduce.AsyncSqlOutputFormat$AsyncSqlExecThread.run(AsyncSqlOutputFormat.java:231)

我正在运行以下命令:

sudo -u impala sqoop export -Dsqoop.export.records.per.statement=xxx --driver com.vertica.jdbc.Driver --connect jdbc:vertica://host:5433/db --username name --password pw --table table --export-dir /some/dir -m 1 --input-fields-terminated-by '\t' --input-lines-terminated-by '\n' --batch

这个错误并不是每次都出现。我有几个成功的测试加载了超过 200 万行数据。所以我猜可能有一些坏数据在被拒绝的行中包含特殊字符。这非常烦人，因为当出现此错误时，mapreduce 作业将回滚并重试。在这种情况下，目标表中将有大量重复数据。

有没有人知道是否有任何可以设置为处理特殊字符的 sqoop 导出参数，或者是否有任何方法可以跳过坏数据，这意味着禁用回滚？谢谢!

Answer 1

这可能不仅仅是特殊字符。例如，如果您尝试将 'abc' 填充到数字字段中，该行将被拒绝。即使你得到这个错误，我相信它不会在加载之后并且应该提交所有可以提交的数据(但我会验证)。如果您隔离“丢失”的行，您可能能够找出数据或字段定义有什么问题。

要查找的常见内容:

1. 将字符类型数据填充到数字字段中(可能是隐式转换，或者仅在值为非 NULL 时显示)。
2. NULL 值到 NOT NULL 字段
3. 将字符和 VARCHAR 八位字节计算为等效的。 VARCHAR(x) 表示八位字节，但一个 UTF-8 字符可以有多个八位字节。
4. 与 #3 类似，字符串太长而无法放入指定字段。

在驱动程序中，批量插入被替换为 COPY FROM STDIN 语句。您可以在 query_requests 中找到该语句，但我不确定它是否有帮助。

Sqoop 并没有给您太多机会进一步研究这个问题(据我所知，我检查了通用的 JDBC Loader)。可以查看 executeBatch() 的返回数组并将其与您的执行批处理联系起来。也许修改通用 JDBC 加载器？

希望这对您有所帮助。