sqoop传递数据实践

应用场景：

1将原有关系数据库的数据传递到大数据平台如hive、hbase。

2将大数据平台的数据传递到关系数据库中。

简单应用：表对表的同步。

复杂应用：在同步时可以通过query-sql来指定所要传递的数据。

所有红字“注意”都是坑，我都帮你踩过了，你感到幸福吗？

导入(import)

导入的意思就是将关系数据库的数据导入到HDFS、Hive、HBase，这个解释似乎是废话

导入到HIve

import --connect jdbc:postgresql://url:port/schema --username u --password p --table RelationalDatabaseTable --hive-import --hive-table HiveTable -m 1 --null-string \\N --null-non-string \\N

导入到HBase

import --connect jdbc:postgresql://url:port/schema --username u --password p --table RelationalDatabaseTable --hbase-table HbaseTable --column-family YourFamily --hbase-row-key RelationalDatabaseTable_PrimaryKey -m 1

注意：

当你在关系数据库中使用了schema，此时如何导入呢。

应添加-- --schema yourSchema,是的你没看错是两个--，如果你偷懒或者强迫症发作了，真是对不起，sqoop救不了你

延伸阅读：对于postgresql，默认情况下，sqoop的list-tables只列出public目录下的表，所以要想列出特定schema下的表，你需要使用-- --schema来指定哦

简介--query的使用

导入时使用sql查询语句，此时-m 1表示并行度为1，如果你要想增加并行度，对于--query 的情况，你还要格外指定并行度参考字段，即使用

--split-by columnName

 sqoop import \
  --query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' \
  --split-by a.id --target-dir /user/foo/joinresults

注意：使用--query时，以上红字是必须的

导出(export)

导出的意思就是将大数据平台上的数据导出到传统的关系数据，这个解释貌似也是废话

将Hive的数据导出到关系数据库

export  --connect jdbc:postgresql://url:port/schema --username u --password p --table RelationalDatabaseTable --export-dir HDFS_Hive_Table_URL --input-fields-terminated-by "\001" --lines-terminated-by "\n" --input-null-string "\\N" --input-null-non-string "\\N" -m 1

注意：

--input-fields-terminated-by "\001" --lines-terminated-by "\n"

这两个选项一定记得加上， 不然错了都不知道怎么错的（含义hive中的数据存储格式，字段以"\001"分隔，行以"\n"分隔）

将HBase的数据导出关系数据，怎么破。目前sqoop没有破，以后也许会破。

一个解决思路，创建一个Hive外部表A关联到HBase的表，通过A将Hbase的数据导入到一个Hive内部表B，然后再用上面Hive数据导出到关系数据的方法。一句话曲线救国。

其他(eval)

eval就是估算、计算、尝试的意思，解释的不好，因为这是我解释的

eval命令可以发送一个简单的SQL到关系数据库引擎，神奇吧，有些人可能有想法了。。

sqoop eval --connect jdbc:mysql://db.example.com/corp \
    --query "SELECT * FROM employees LIMIT 10"

注意：官方说此方法只适用于测试数据库连接。对这就是官方设计它的原因。当然其他复杂sql也可以执行哦，难道是官方在吓人。。等你实践。

参考：

快看这里