1. 使用sqoop从MySQL采集数据到HDFS
1.1. sqoop 安装和配置
1.1.1. 下载sqoop
wget --no-check-certificate https://mirrors.tuna.tsinghua.edu.cn/apache/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz
- 解压缩到 /usr/local/sqoop 下
1.1.2. 安装Mysql驱动程序
wget --no-check-certificate https://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.48.tar.gz
- 将里面的mysql-connector-java-5.1.48-bin.jar 放到sqoop安装目录的 lib下
1.1.3. 加入环境变量
export SQOOP_HOME=/usr/local/sqoop
export PATH=$SQOOP_HOME/bin:$PATH
1.1.4. 验证安装是否成功
sqoop list-databases --connect jdbc:mysql://172.20.18.64:3306 --username mysql --password ******
- 如果能看到所有的数据库,则说明配置成功
1.1.5. sqoop 命令行参数
选项 | 含义说明 |
---|
--connect <jdbc-uri> | 指定JDBC连接字符串 |
--connection-manager <class-name> | 指定要使用的连接管理器类 |
--driver <class-name> | 指定要使用的JDBC驱动类 |
--hadoop-mapred-home <dir> | 指定$HADOOP_MAPRED_HOME路径 |
--help | 打印用法帮助信息 |
--password-file | 设置用于存放认证的密码信息文件的路径 |
-P | 从控制台读取输入的密码 |
--password <password> | 设置认证密码 |
--username <username> | 设置认证用户名 |
--verbose | 打印详细的运行信息 |
--connection-param-file <filename> | 可选,指定存储数据库连接参数的属性文件 |
1.1.6. sqoop import的参数
选项 | 含义说明 |
---|
--append | 将数据追加到HDFS上一个已存在的数据集上 |
--as-avrodatafile | 将数据导入到Avro数据文件 |
--as-sequencefile | 将数据导入到SequenceFile |
--as-textfile | 将数据导入到普通文本文件(默认) |
--boundary-query <statement> | 边界查询,用于创建分片(InputSplit) |
--columns <col,col,col…> | 从表中导出指定的一组列的数据 |
--delete-target-dir | 如果指定目录存在,则先删除掉 |
--direct | 使用直接导入模式(优化导入速度) |
--direct-split-size <n> | 分割输入stream的字节大小(在直接导入模式下) |
--fetch-size <n> | 从数据库中批量读取记录数 |
--inline-lob-limit <n> | 设置内联的LOB对象的大小 |
-m,--num-mappers <n> | 使用n个map任务并行导入数据 |
-e,--query <statement> | 导入的查询语句 |
--split-by <column-name> | 指定按照哪个列去分割数据 |
--table <table-name> | 导入的源表表名 |
--target-dir <dir> | 导入HDFS的目标路径 |
--warehouse-dir <dir> | HDFS存放表的根路径 |
--where <where clause> | 指定导出时所使用的查询条件 |
-z,--compress | 启用压缩 |
--compression-codec <c> | 指定Hadoop的codec方式(默认gzip) |
--null-string <null-string> | 如果指定列为字符串类型,使用指定字符串替换值为null的该类列的值 |
--null-non-string <null-string> | 如果指定列为非字符串类型,使用指定字符串替换值为null的该类列的值 |
1.2. 执行采集任务
sqoop import --connect jdbc:mysql://**********:3306/****** --username *****--password ****** --table tbl_uc_account --target-dir /dev/rawdata/{项目名称}/表名称 --fields-terminated-by '\t' --delete-target-dir
1.2.1. 批量导入表到HDFS
#!/bin/bash
cmd=$@
database=$1
cmd_array=($cmd)
cmd_amount=${#cmd_array[*]}
for ((i=1;i<=${cmd_amount};i++))
do
tput setaf 2
echo ============= 开始导入表:${table} 到HDFS ============
tput setaf 7
table=${cmd_array[$i]}
sqoop import --connect jdbc:mysql://***.***.***.***:3306/${database} \
--username *****--password *****--table ${table} \
--target-dir /dev/rawdata/{项目名}/${table} \
--fields-terminated-by '\t' \
--delete-target-dir
if [ $? == 0 ];then
echo "命令执行成功"
fi
done
1.2.2. 导入多张表
./sqoop_batch.sh {数据库名} 表1 表2 表3.......