Sqoop使用实例讲解

最新推荐文章于 2023-10-27 16:31:55 发布

置顶

Evankaka

最新推荐文章于 2023-10-27 16:31:55 发布

阅读量3k

点赞数

分类专栏： Hive/Hbase编程指南 sqoop 文章标签： sqoop

本文链接：https://blog.csdn.net/Evankaka/article/details/55223785

版权

本文详细介绍了Apache Sqoop在实际操作中的应用，包括从MySQL、Phoenix到Hive的数据导入，以及 Sqoop 的工作原理。通过具体的实例展示了如何使用Sqoop创建表、导入数据，并解释了各种参数的用途。

摘要由CSDN通过智能技术生成

摘要：本文主要讲了笔者在使用sqoop过程中的一些实例

一、概述与基本原理

Apache Sqoop（SQL-to-Hadoop）项目旨在协助 RDBMS 与 Hadoop 之间进行高效的大数据交流。用户可以在 Sqoop 的帮助下，轻松地把关系型数据库的数据导入到 Hadoop 与其相关的系统 (如HBase和Hive)中；同时也可以把数据从 Hadoop 系统里抽取并导出到关系型数据库里。因此，可以说Sqoop就是一个桥梁，连接了关系型数据库与Hadoop。qoop中一大亮点就是可以通过hadoop的mapreduce把数据从关系型数据库中导入数据到HDFS。Sqoop架构非常简单，其整合了Hive、Hbase和Oozie，通过map-reduce任务来传输数据，从而提供并发特性和容错。Sqoop的基本工作流程如下图所示：

从关系数据库到Hive/hbase

从Hive/hbase到关系数据库

　　Sqoop在import时，需要制定split-by参数。Sqoop根据不同的split-by参数值来进行切分，然后将切分出来的区域分配到不同map中。每个map中再处理数据库中获取的一行一行的值，写入到HDFS中(由此也可知，导入导出的事务是以Mapper任务为单位)。同时split-by根据不同的参数类型有不同的切分方法，如比较简单的int型，Sqoop会取最大和最小split-by字段值，然后根据传入的num-mappers来确定划分几个区域。比如select max(split_by),min(split-by) from得到的max(split-by)和min(split-by)分别为1000和1，而num-mappers为2的话，则会分成两个区域(1,500)和(501-100),同时也会分成2个sql给2个map去进行导入操作，分别为select XXX from table where split-by>=1 and split-by<500和select XXX from table where split-by>=501 and split-by<=1000。最后每个map各自获取各自SQL中的数据进行导入工作。