——本文非本人原创，为公司同事整理，发布至此以便查阅
一、入库前数据准备
1、入hbase详细要求及rowkey生成规则，参考文档“_入HBase库要求 20190104.docx”。
2、根据标准库中的数据，生成带有rowkey的视图。
参照159数据库hubei_std用户下的p_getRowKey1存储过程，生成该用户下 所有表带有rowkey的视图。
注：运行存储过程时，需传入医院编码和采集次数。
3、在进行正式入库前，先以医院编码在hbase中建立命名空间（hbase shell 进 入命令界面）：
create_namespace 'HB1'
4、在该命名空间下建立所有标准表的表名，如：
列族名称参照“入hbase统计表.xlsx”
create 'HB1:inp_orders’, 'f', SPLITS=>['e','i','m','q','u']
HB1:命名空间
Inp_orders:标准表名
f：列族
SPLITS:分区
注：建表时，与标准表名一致。
5、操作完以上步骤以后，开始进行入库操作。
二、入库开始
1、需先将oracle的ojdbc6.jar放入到该目录：
/opt/cloudera/parcels/CDH-5.12.0-1.cdh5.12.0.p0.29/lib/sqoop/lib
2、sqoop连接到oracle数据库：
sqoop list-tables --connect jdbc:oracle:thin:@172.16.0.159:1521:orcl --username hubei_std --password hubei_std 若连接成功，则显示hubei_std下的表。
3、将之前生成的视图的数据，导入hbase
sqoop import --append --connect jdbc:oracle:thin:@172.16.0.159:1521:orcl --username hubei_std --password hubei_std -m 1 --table INPBILLDETAIL --columns ID,NAME,AGE --hbase-create-table --hbase-table HB1:inp_bill_detail --hbase-row-key ROWKEY --column-family f
-m 1:指定1个map进行入库操作，若大于1，则需在该语句后加上--split-by column（column是指定oracle的源表按该字段进行分割，如指定列为 PATIENT_ID，m指定为2的话，则将PATIENT_ID的值均分2份进行入库）。
--append:如有该参数，则可以不指定--columns 参数。
--hbase-create-table:如已在hbase中建表，则可以不指定该参数。
--hbase-row-key:指定源表中，哪一列为rowkey
注：--hbase-table 参数，需在表名前加上命名空间
三、入库完成核对
1、核对入库条数是否正确：
hbase org.apache.hadoop.hbase.mapreduce.RowCounter ‘HB1:
pat_visit_master’
2、查看数据情况(两条记录)：
get_table(‘HB1:pat_visit_master’).scan LIMIT=>2
3、进入CDM管理界面，在hue中查看数据情况：
Hue-->Web UI-->主菜单-->HBase-->进入对应的表看数据
4、入Hbase完成后大小对比：
湖北：
oracle：28.84G
Hbase：177.11G
查询方法：
Oracle：select sum(bytes)/1073741824 from user_segments
Hbase：hadoop fs -ls /
hadoop fs -ls /hbase
hadoop fs -ls /hbase/data
hadoop fs -ls /hbase/data/HB1
hadoop fs -du -h /hbase/data/HB1/
5、将入完hbase的数据拷贝到szyl命名空间下：
su hdfs
hbase org.apache.hadoop.hbase.mapreduce.CopyTable--new.name=
szyl:inp_orders HB1:inp_orders
四、入库速度
1、以湖北省肿瘤inp_orders表为实验表，该表31097227条记录：
1、-m 1 用时：1973秒，速度15761.39条/秒
2、-m 2 用时：5006秒，速度6211.99条/秒
以湖北省肿瘤inp_bill_detail表为实验表，该表113271245条记录：
1、-m 1 用时：8926秒，速度12690.03条/秒
2、-m 3 用时：9012秒，速度12568.93条/秒
inp_bill_detail：113271245条
inp_orders：31097227
pat_visit_master：273300
inp_settle_master：283025
2、开封市肿瘤数据入hbase：
exam_master:41630
exam_report:24336
his_cells:3833
his_organization:4208
inp_bill_detail:14385379
inp_orders:6024317
inp_settle_master:41830
lab_result:764482
五、遇到问题
1、在导入数据时，设定-m为3，则只有一个map执行，导入的数据量只有总数 据的三分之一，另外两个map不执行：
sqoop import --append --connect jdbc:oracle:thin:@172.16.0.159:1521:orcl --username hubei_std --password hubei_std -m 3 --table INPBILLDETAIL --hbase-table HB1:inp_bill_detail --hbase-row-key ROWKEY --column-family f --split-by PATIENT_ID
在指定--split-by参数时，不能指定虚列如：rownum 建议指定主键或唯一键
2、在创建表时，防止写成以下语句：
create ‘HB1:pat_visit_master’,’p’,SPLIT=[‘e’,’i’,’m’,q’,’u’]
create ‘HB1:pat_visit_master’,’p’,SPLITS=[‘e’,’i’,’m’,’q’,’u’]
以上两种写法，会将分区当成列族建在表中。
六、常用命令
1、删除命名空间：
drop_namespace ‘HB1’
2、查看命名空间:
describe_namespace ‘HB1’
3、列出所有命名空间：
list_namespace
4、查看命名空间下的所有表：
list_namespace_tables ‘HB1’
5、删除表：
disable ‘HB1:inp_orders’
drop ‘HB1:inp_orders’
6、删除表多的所有记录：
truncate ‘HB1:inp_orders’
7、查看表结构：
desc ‘HB1:inp_orders’
8、查询表数据：
scan ‘HB1:inp_orders’
9、查询现在执行的job：
hadoop job -list