Sqoop简单使用案例

一.导入数据

在Sqoop中，“导入”概念指：从非大数据集群(RDBMS)向大数据集群(HDFS，HIVE，HBASE)中传输数据，叫做：导入，即使用import关键字。

1.RDBMS到HDFS

(1).确定Mysql服务开启正常

(2).在Mysql中新建一张表并插入一些数据

$ mysql -uroot -p000000

mysql> create database company;

mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));

mysql> insert into company.staff(name, sex) values('Thomas', 'Male');

mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');

(3).导入数据

(a)全部导入

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

(b)查询导入

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=3 and $CONDITIONS;'

提示：must contain ‘$CONDITIONS’ in WHERE clause.
注：CONDITIONS 翻译‘条件’

提示：如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。

(c )导入指定列

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,name \
--table staff

提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格

(d)使用sqoop关键字筛选查询导入数据

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=2"

提示：在Sqoop中可以使用sqoop import -D property.name=property.value这样的方式加入执行任务的参数，多个参数用空格隔开。

2.、RDBMS到Hive

$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--table aca \
--delete-target-dir \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table student_hive

提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库

尖叫提示：从MYSQL到Hive，本质时从MYSQL => HDFS => load To Hive

二.导出数据

在Sqoop中，“导出”概念指：从大数据集群(HDFS，HIVE，HBASE)向非大数据集群(RDBMS)中传输数据，叫做：导出，即使用export关键字。

1.HIVE/HDFS到RDBMS

(1)创建adc表

create table Movle.adc(id int,name VARCHAR(10));

(2)导入

bin/sqoop export \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--export-dir /user/hive/warehouse/student_hive \
--table adc \
--num-mappers 1 \
--input-fields-terminated-by "\t"

提示：Mysql中如果表不存在，不会自动创建,自行根据表结构创建

提示：重复往mysql的统一个表中导出数据，mysql的表不能设置主键和自增。

尖叫提示：如果数据导出mysql中是“？？”那么添加characterEncoding=utf-8

思考：数据是覆盖还是追加 答案：追加

三.脚本打包

使用opt格式的文件打包sqoop命令，然后执行

1.创建一个.opt文件

$ touch job_HDFS2RDBMS.opt

2.编写sqoop脚本

$ vi ./job_HDFS2RDBMS.opt

以下命令是从staff_hive中追加导入到mysql的aca表中

export
--connect
jdbc:mysql://hadoop1:3306/Movle
--username
root
--password
000000
--table
adc
--num-mappers
1
--export-dir
/user/hive/warehouse/student_hive
--input-fields-terminated-by
"\t"

3.执行该脚本

$ bin/sqoop --options-file job_HDFS2RDBMS.opt