這篇文章主要介紹了sqoop export導(dǎo)出 map100% reduce0% 卡住的多種原因及解決，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
我稱這種bug是一個典型的“哈姆雷特”bug，就是指那種“報錯情況相同但網(wǎng)上卻會有各種五花繚亂解決辦法”的bug，讓我們不知道哪一個才是癥結(jié)所在。
先看導(dǎo)入命令：
[root@host25 ~]#
sqoop export --connect "jdbc:mysql://172.16.xxx.xxx:3306/dbname?useUnicode=true&characterEncoding=utf-8"
--username=root --password=xxxxx --table rule_tag --update-key rule_code
--update-mode allowinsert
--export-dir /user/hive/warehouse/lmj_test.db/rule_tag --input-fields-terminated-by '\t'
--input-null-string '\\N' --input-null-non-string '\\N' -m1
這個導(dǎo)入命令語法上其實是完全沒問題的。
接下來是報錯：
#截取部分
19/06/11 09:39:57 INFO mapreduce.Job: The url to track the job: http://dthost25:8088/proxy/application_1554176896418_0537/
19/06/11 09:39:57 INFO mapreduce.Job: Running job: job_1554176896418_0537
19/06/11 09:40:05 INFO mapreduce.Job: Job job_1554176896418_0537 running in uber mode : false
19/06/11 09:40:05 INFO mapreduce.Job: map 0% reduce 0%
19/06/11 09:40:19 INFO mapreduce.Job: map 100% reduce 0%
19/06/11 09:45:34 INFO mapreduce.Job: Task Id : attempt_1554176896418_0537_m_000000_0, Status : FAILED
AttemptID:attempt_1554176896418_0537_m_000000_0 Timed out after 300 secs
19/06/11 09:45:36 INFO mapreduce.Job: map 0% reduce 0%
19/06/11 09:45:48 INFO mapreduce.Job: map 100% reduce 0%
19/06/11 09:51:04 INFO mapreduce.Job: Task Id : attempt_1554176896418_0537_m_000000_1, Status : FAILED
AttemptID:attempt_1554176896418_0537_m_000000_1 Timed out after 300 secs
19/06/11 09:51:05 INFO mapreduce.Job: map 0% reduce 0%
19/06/11 09:51:17 INFO mapreduce.Job: map 100% reduce 0%
19/06/11 09:56:34 INFO mapreduce.Job: Task Id : attempt_1554176896418_0537_m_000000_2, Status : FAILED
AttemptID:attempt_1554176896418_0537_m_000000_2 Timed out after 300 secs
19/06/11 09:56:35 INFO mapreduce.Job: map 0% reduce 0%
19/06/11 09:56:48 INFO mapreduce.Job: map 100% reduce 0%
19/06/11 10:02:05 INFO mapreduce.Job: Job job_1554176896418_0537 failed with state FAILED due to: Task failed task_1554176896418_0537_m_000000
Job failed as tasks failed. failedMaps:1 failedReduces:0
19/06/11 10:02:05 INFO mapreduce.Job: Counters: 9
Job Counters
Failed map tasks=4
Launched map tasks=4
Other local map tasks=3
Data-local map tasks=1
Total time spent by all maps in occupied slots (ms)=2624852
Total time spent by all reduces in occupied slots (ms)=0
Total time spent by all map tasks (ms)=1312426
Total vcore-seconds taken by all map tasks=1312426
Total megabyte-seconds taken by all map tasks=2687848448
19/06/11 10:02:05 WARN mapreduce.Counters: Group FileSystemCounters is deprecated. Use org.apache.hadoop.mapreduce.FileSystemCounter instead
19/06/11 10:02:05 INFO mapreduce.ExportJobBase: Transferred 0 bytes in 1,333.3153 seconds (0 bytes/sec)
19/06/11 10:02:05 WARN mapreduce.Counters: Group org.apache.hadoop.mapred.Task$Counter is deprecated. Use org.apache.hadoop.mapreduce.TaskCounter instead
19/06/11 10:02:05 INFO mapreduce.ExportJobBase: Exported 0 records.
19/06/11 10:02:05 ERROR tool.ExportTool: Error during export: Export job failed!
Time taken: 1340 s
task IDE_TASK_ADE56470-B5A3-4303-EA75-44312FF8AA0C_20190611093945147 is complete.
可以看到，導(dǎo)入任務(wù)在INFO mapreduce.Job: map 100% reduce 0%時停住了，停了5分鐘，然后任務(wù)自動重跑，又卡住停了5分鐘，最后任務(wù)報了個超時的錯誤。
很顯然，任務(wù)失敗的直接原因是超時，但是超時的原因是因為導(dǎo)入過程的mapreduce任務(wù)卡住了，那mapreduce為什么會卡住呢？這個報錯日志中并沒有提到，這就是查原因時最麻煩的地方。
先說一下結(jié)果，最后查了很久才發(fā)現(xiàn)，是因為有一行的數(shù)據(jù)長度，超過了mysql設(shè)定的字段長度。也就是在往varchar(50)的字段里導(dǎo)入字符串“字符串很長很長很長很長很長很長很長很長很長”時，任務(wù)就阻塞住了。
在這里也跟大家匯總一下網(wǎng)上的各種原因，大家可以逐個檢查
在map 100% reduce 0%時卡住的可能原因：(以往mysql導(dǎo)出為例)
1、長度溢出。導(dǎo)入的數(shù)據(jù)超過了mysql表的字段設(shè)定長度
解決辦法：重設(shè)字段長度即可
2、編碼錯誤。導(dǎo)入的數(shù)據(jù)不在mysql的編碼字符集內(nèi)
解決辦法：其實在mysql數(shù)據(jù)庫中對應(yīng)UTF-8字符集的不是utf8編碼，而是utf8mb4編碼。所以當(dāng)你的導(dǎo)入數(shù)據(jù)里有若如Emoji表情或者一些生僻漢字時，就會導(dǎo)不進(jìn)去造成阻塞卡住。所以你需要注意兩點：
(1)導(dǎo)入語句中限定useUnicode=true&characterEncoding=utf-8，表示以utf-8的格式導(dǎo)出；
(2)mysql建表語句中有ENGINE=InnoDB DEFAULT CHARSET=utf8mb4；
3、內(nèi)存不足。導(dǎo)入數(shù)據(jù)量可能過大，或者分配內(nèi)存太少
解決辦法：要么分批導(dǎo)入，要么給任務(wù)分配更多內(nèi)存
4、主機(jī)名錯誤。
解決辦法：這個好像是涉及到主機(jī)名的配置問題
5、主鍵重復(fù) 。
解決辦法：這是因為你導(dǎo)入的數(shù)據(jù)中有重復(fù)的主鍵值，要針對性處理一下數(shù)據(jù)
補(bǔ)充：sqoop從數(shù)據(jù)庫到處數(shù)據(jù)到hdfs時mapreduce卡住不動解決
在sqoop時從數(shù)據(jù)庫中導(dǎo)出數(shù)據(jù)時，出現(xiàn)mapreduce卡住的情況
經(jīng)過百度之后好像是要設(shè)置yarn里面關(guān)于內(nèi)存和虛擬內(nèi)存的配置項．我以前沒配置這幾項，也能正常運行。但是這次好像運行的比較大。出現(xiàn)此故障的原因應(yīng)該是，在每個Docker分配的內(nèi)存和CPU資源太少，不能滿足Hadoop和Hive運行所需的默認(rèn)資源需求。
解決方案如下：
在yarn-site.xml中加入如下配置：
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>20480</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
關(guān)閉yarn重啟就好了！??！
以上為個人經(jīng)驗，希望能給大家一個參考，也希望大家多多支持腳本之家。如有錯誤或未考慮完全的地方，望不吝賜教。
來源：腳本之家
鏈接：https://www.jb51.net/article/203322.htm
申請創(chuàng)業(yè)報道，分享創(chuàng)業(yè)好點子。點擊此處，共同探討創(chuàng)業(yè)新機(jī)遇！
