大数据(八) - Sqoop

Sqoop是什么

        Sqoop：SQL-to-Hadoop

        连接 传统关系型数据库 和 Hadoop 的桥梁

                把关系型数据库的数据导入到 Hadoop 系统 ( 如 HDFS HBase 和 Hive) 中；

                把数据从 Hadoop 系统里抽取并导出到关系型数据库里。

        利用MapReduce加快数据传输速度 ：将数据同步问题转化为MR作业

        批处理方式进行数据传输：实时性不够好

Sqoop优势

        高效、可控地利用资源

                任务并行度，超时时间等

        数据类型映射与转换

                可自动进行，用户也可自定义

        支持多种数据库

                MySQL

                Oracle

                PostgreSQL

Sqoop import

        将数据从关系型数据库导入Hadoop中

                步骤1：Sqoop与数据库Server通信，获取数据库表的元数据信息； 

                步骤2：Sqoop启动一个Map-Only的MR作业，利用元数据信息并行将数据写入Hadoop。

        特点：可以指定hdfs路径，指定关系数据库的表，字段，连接数（不压垮数据库），可以导入多个表，支持增量导入（手动指定起始id、事件，或自动记录上次结束位置，自动完成增量导入）

Sqoop Export

        将数据从Hadoop导入关系型数据库导中

                步骤1：Sqoop与数据库Server通信，获取数据库表的元数据信息；

                步骤2：并行导入数据：

                        将Hadoop上文件划分成若干个split；

                        每个split由一个Map Task进行数据导入。

Sqoop与其他系统结合

        Sqoop可以与Oozie、Hive、Hbase等系统结合；