sqoop实现Mysql、Oracle与hdfs之间数据的互导

通过Sqoop实现Mysql / Oracle 与HDFS / Hbase互导数据

SQOOP的描述

SQOOP是用于对数据进行导入导出的。

    (1)把MySQL、Oracle等数据库中的数据导入到HDFS、Hive、HBase中

    (2)把HDFS、Hive、HBase中的数据导出到MySQL、Oracle等数据库中

一、Mysql与HDFS互导数据

环境：

环境介绍：3台虚拟机安装centos6.464位、jdk1.7 64位、hadoop2.5.1 64位

192.168.0.108 m1

192.168.0.109 s1

192.168.0.110 s2

 

SQOOP的安装

解压缩sqoop的tar.gz文件，设置环境变量（source /etc/profile）

 

把数据从mysql导入到hdfs(默认是/user/<username>)中

1.   复制mysql的驱动到sqoop目录下的lib中

2.   执行导入命令

 

  sqoop import --connect jdbc:mysql://hadoop0:3306/hive  --username root --password admin --table TBLS --fields-terminated-by '\t'  --null-string '**'  -m 1 --append  --hive-import

 

 

说明：

ü  执行import命令将mysql的hive数据库中的TBLS表导入到hdfs中（默认目录user/root）

ü  --fields-terminated-by '\t' ：表示导入到hdfs中以’\t’进行切割

ü  --null-string ‘**’：表示当字段为null时用’**’替换

ü  -m1：表示只指定一个map任务（map任务的个数关系生成文件的个数）

ü  --append：表示如果执行多次则进行追加（否则多次执行则会报already exsist）

ü  --hive-import：表示导入到hive中（如果只需导入到hdfs中则可不写）

ü   

 

  sqoop import --connect jdbc:mysql://hadoop0:3306/hive  --username root --password admin --table TBLS --fields-terminated-by '\t'  --null-string '**'  -m 1 --append  --hive-import  --check-column 'TBL_ID' --incremental append --last-value 6

 

说明：

ü  执行import命令将mysql的hive数据库中的TBLS表导入到hdfs中（默认目录user/root）

ü  --check-column 'TBL_ID'：表示检查’TBL_ID‘列

ü  --incremental：表示增量

ü  --last-value 6：表示开始追加导入的列从第6列开始(不包含第6列)

ü  --check-column 'TBL_ID' --incremental append --last-value 6：整体解释为检查导入的主键列‘TBL_ID’当该列的值（增量）大于6时，可以进行追加导入，否则不进行导入

（这样做的目的：当第一次导入数据时主键列的最后一个值为6，第二次导入时我们不想导入所有的数据而是后来增加的数据，所以我们可以接着上一次的数据导入，即不导入重复数据）

 

把数据从hdfs导出到mysql中 

  sqoop export --connect jdbc:mysql://hadoop0:3306/hive  --username root --password admin --table ids --fields-terminated-by '\t' --export-dir '/ids'

 

说明：

--export-dir '/ids'：指定要导出到Mysql的文件目录

 

设置为作业，运行作业

  sqoop job --create myjob -- import --connect jdbc:mysql://hadoop0:3306/hive  --username root --password admin --table TBLS --fields-terminated-by '\t'  --null-string '**'  -m 1 --append  --hive-import 

 

说明：

ü  设置为作业后可以直接执行作业，执行作业即执行该命令

ü  执行作业的命令：sqoop job  –exec  myjob

ü  查看作业已创建的Job作业：sqoop job –list

 

注：运行作业第一次需要输入密码，输入密码后即可执行，然后修改sqoop/conf/sqoop-site.xml中的sqoop.metastore.client.record.password（去掉注释即可）

以后运行就不需要在此输入密码了

导入导出的事务是以Mapper任务为单位。

即一个Map任务一个事务

 

 案例：

连接测试

sqoop list-tables --connect jdbc:mysql://192.168.0.114:3306/test --username root --password zwx

#sqoop实现数据从oracle导入hdfs(hbase)

sqoop import --append --connect jdbc:oracle:thin:@192.168.0.20:1521:orcl --username yqdev --password yq --m 1 --table c_text --columns id,url,title,publishtime,copy --hbase-create-table --hbase-table c_text --hbase-row-key id --column-family textinfo

#mysql

sqoop import --append --connect jdbc:mysql://192.168.0.114:3306/test --username root --password zwx --m 1 --table c_text --columns id,url,title,author --hbase-create-table --hbase-table c_text --hbase-row-key id --column-family textinfo