SQOOP-1393: Import data from database to Hive as Parquet files
authorJarek Jarcec Cecho <jarcec@apache.org>
Mon, 25 Aug 2014 05:41:04 +0000 (07:41 +0200)
committerJarek Jarcec Cecho <jarcec@apache.org>
Mon, 25 Aug 2014 05:41:04 +0000 (07:41 +0200)
(Richard via Jarek Jarcec Cecho)

ivy.xml
ivy/libraries.properties
src/java/org/apache/sqoop/mapreduce/DataDrivenImportJob.java
src/java/org/apache/sqoop/mapreduce/JobBase.java
src/java/org/apache/sqoop/tool/CodeGenTool.java
src/java/org/apache/sqoop/tool/ImportTool.java
src/test/com/cloudera/sqoop/hive/TestHiveImport.java
testdata/hive/scripts/normalImportAsParquet.q [new file with mode: 0644]

diff --git a/ivy.xml b/ivy.xml
index e5334f1..6335e01 100644 (file)
--- a/ivy.xml
+++ b/ivy.xml
@@ -183,7 +183,9 @@ under the License.
       conf="common->default;redist->default"/>
     <dependency org="commons-io" name="commons-io" rev="${commons-io.version}"
       conf="common->default;redist->default"/>
-    <dependency org="org.kitesdk" name="kite-data-mapreduce" rev="${kite-data-mapreduce.version}"
+    <dependency org="org.kitesdk" name="kite-data-mapreduce" rev="${kite-data.version}"
+      conf="avro->default;redist->default"/>
+    <dependency org="org.kitesdk" name="kite-data-hcatalog" rev="${kite-data.version}"
       conf="avro->default;redist->default"/>
 
     <!-- dependencies for static analysis -->
index cbcbf0d..6818b3e 100644 (file)
@@ -20,7 +20,7 @@
 
 avro.version=1.7.5
 
-kite-data-mapreduce.version=0.15.0
+kite-data.version=0.16.0
 
 checkstyle.version=5.0
 
index 300406a..905ba8c 100644 (file)
@@ -106,7 +106,7 @@ public class DataDrivenImportJob extends ImportJobBase {
       Schema schema = new Schema.Parser().parse(conf.get("avro.schema"));
       String uri = "";
       if (options.doHiveImport()) {
-        // TODO: SQOOP-1393
+        uri = "dataset:hive?dataset=" + options.getTableName();
       } else {
         FileSystem fs = FileSystem.get(conf);
         uri = "dataset:" + fs.makeQualified(getContext().getDestination());
index 032d408..7ed2684 100644 (file)
@@ -180,6 +180,21 @@ public class JobBase {
           + "all job dependencies.");
     }
 
+    // If the user run import into hive as Parquet file,
+    // Add anything in $HIVE_HOME/lib.
+    if (options.doHiveImport() && (options.getFileLayout() == SqoopOptions.FileLayout.ParquetFile)) {
+      String hiveHome = options.getHiveHome();
+      if (null != hiveHome) {
+        File hiveHomeFile = new File(hiveHome);
+        File hiveLibFile = new File(hiveHomeFile, "lib");
+        if (hiveLibFile.exists()) {
+          addDirToCache(hiveLibFile, fs, localUrls);
+        }
+      } else {
+        LOG.warn("HIVE_HOME is unset. Cannot add hive libs as dependencies.");
+      }
+    }
+
     // If we didn't put anything in our set, then there's nothing to cache.
     if (localUrls.isEmpty()) {
       return;
index a6d5dff..6bd7f1d 100644 (file)
@@ -117,12 +117,15 @@ public class CodeGenTool extends com.cloudera.sqoop.tool.BaseSqoopTool {
       // them to files (but don't actually perform the import -- thus
       // the generateOnly=true in the constructor).
       if (options.doHiveImport()) {
-        HiveImport hiveImport = new HiveImport(options, manager,
-            options.getConf(), true);
-        hiveImport.importTable(options.getTableName(),
-            options.getHiveTableName(), true);
+        // For Parquet file, the import action will create hive table directly
+        // via kite. So there is no need to create hive table again.
+        if (options.getFileLayout() != SqoopOptions.FileLayout.ParquetFile) {
+          HiveImport hiveImport = new HiveImport(options, manager,
+                  options.getConf(), true);
+          hiveImport.importTable(options.getTableName(),
+                  options.getHiveTableName(), true);
+        }
       }
-
     } catch (IOException ioe) {
       LOG.error("Encountered IOException running codegen job: "
           + StringUtils.stringifyException(ioe));
index 54e618e..bdb23bb 100644 (file)
@@ -508,7 +508,11 @@ public class ImportTool extends com.cloudera.sqoop.tool.BaseSqoopTool {
 
     // If the user wants this table to be in Hive, perform that post-load.
     if (options.doHiveImport()) {
-      hiveImport.importTable(tableName, options.getHiveTableName(), false);
+      // For Parquet file, the import action will create hive table directly via
+      // kite. So there is no need to do hive import as a post step again.
+      if (options.getFileLayout() != SqoopOptions.FileLayout.ParquetFile) {
+        hiveImport.importTable(tableName, options.getHiveTableName(), false);
+      }
     }
 
     saveIncrementalState(options);
index 9c2a91c..d6df196 100644 (file)
@@ -24,6 +24,7 @@ import java.io.FileNotFoundException;
 import java.io.FileReader;
 import java.io.IOException;
 import java.util.ArrayList;
+import java.util.Arrays;
 
 import org.apache.commons.logging.Log;
 import org.apache.commons.logging.LogFactory;
@@ -262,6 +263,22 @@ public class TestHiveImport extends ImportJobTestCase {
         getArgv(false, null), new ImportTool());
   }
 
+  /** Test that strings and ints are handled in the normal fashion as parquet
+   * file. */
+  @Test
+  public void testNormalHiveImportAsParquet() throws IOException {
+    final String TABLE_NAME = "NORMAL_HIVE_IMPORT_AS_PARQUET";
+    setCurTableName(TABLE_NAME);
+    setNumCols(3);
+    String [] types = { "VARCHAR(32)", "INTEGER", "CHAR(64)" };
+    String [] vals = { "'test'", "42", "'somestring'" };
+    String [] args_array = getArgv(false, null);
+    ArrayList<String> args = new ArrayList<String>(Arrays.asList(args_array));
+    args.add("--as-parquetfile");
+    runImportTest(TABLE_NAME, types, vals, "normalImportAsParquet.q", args.toArray(new String[0]),
+            new ImportTool());
+  }
+
   /** Test that table is created in hive with no data import. */
   @Test
   public void testCreateOnlyHiveImport() throws IOException {
diff --git a/testdata/hive/scripts/normalImportAsParquet.q b/testdata/hive/scripts/normalImportAsParquet.q
new file mode 100644 (file)
index 0000000..e434e9b
--- /dev/null
@@ -0,0 +1,17 @@
+-- Licensed to the Apache Software Foundation (ASF) under one
+-- or more contributor license agreements.  See the NOTICE file
+-- distributed with this work for additional information
+-- regarding copyright ownership.  The ASF licenses this file
+-- to you under the Apache License, Version 2.0 (the
+-- "License"); you may not use this file except in compliance
+-- with the License.  You may obtain a copy of the License at
+--
+--     http://www.apache.org/licenses/LICENSE-2.0
+--
+-- Unless required by applicable law or agreed to in writing, software
+-- distributed under the License is distributed on an "AS IS" BASIS,
+-- WITHOUT WARRANTIES OR CONDITIONS OF ANY KIND, either express or implied.
+-- See the License for the specific language governing permissions and
+-- limitations under the License.
+CREATE TABLE IF NOT EXISTS `NORMAL_HIVE_IMPORT_AS_PARQUET` ( `DATA_COL0` STRING, `DATA_COL1` INT, `DATA_COL2` STRING) ROW FORMAT DELIMITED FIELDS TERMINATED BY '\001' LINES TERMINATED BY '\012' STORED AS PARQUET;
+LOAD DATA INPATH 'file:BASEPATH/sqoop/warehouse/NORMAL_HIVE_IMPORT_AS_PARQUET' INTO TABLE `NORMAL_HIVE_IMPORT_AS_PARQUET`;