Hadoop生态圈（七）：Sqoop

目录

1 Sqoop简介

2 工作原理

3 Sqoop安装

3.1 下载解压

3.2 修改配置文件

3.3 拷贝JDBC驱动

3.4 验证Sqoop

3.5 验证sqoop是否能够连接上数据库

4 Sqoop案例

4.1 导入数据

4.1.1 RDBMS到HDFS

4.1.3 RDBMS到Hive

4.2 导出数据

4.2.1 Hive/HDFS到RDBMS(本质上都是HDFS到RDBMS)

4.3 脚本打包

---

1 Sqoop简介

Apache Sqoop(TM)是一种旨在有效地在Apache Hadoop和诸如关系数据库等结构化数据存储之间传输大量数据的工具。

核心的功能有两个：

导入：MySql、Oracle等导入数据到hadoop的HDFS、Hive、Hbase等数据存储系统

导出：从Hadoop的文件系统导出数据到关系型数据库mysql等

Sqoop本质上还是一个命令行工具，和HDFS、Hive相比，并没有什么高深的理论

sqoop工具：本质上就是迁移数据，将sqoop迁移命令转换为MR程序，不过并没有reduce task，因为不需要合并数据

hive工具：本质就是执行计算，依赖于HDFS存储数据，把HQL转换成MR程序

2 工作原理

将导入或导出命令转换成MAapReduce程序实现。

在转换出的MapReduce中主要是对InputFormat和OutputFormat进行定制

3 Sqoop安装

安装sqoop的前提是已经具备Java和Hadoop的环境。

3.1 下载解压

1. 清华镜像下载：https://mirrors.tuna.tsinghua.edu.cn/apache/sqoop/

    网盘链接：请点这里  提取码：cmya 

2. 将安装包上传到虚拟机中，如/opt/software

3. 解压sqoop安装包到指定的目录

$ tar -zxf sqoop-1.4.6.bin_hadoop-2.0.4-alpha.tar.gz -C /opt/module/

3.2 修改配置文件

在sqoop中的conf目录下

1. 重命名配置文件

$ cp sqoop-env-template.sh sqoop-env.sh

$ cp sqoop-site-template.xml sqoop-site.xml

2. 修改配置文件

sqoop-env.sh

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2

export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2

export HIVE_HOME=/opt/module/apache-hive-1.2.2-bin

#export HBASE_HOME=/opt/module/hbase

#export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf

3.3 拷贝JDBC驱动

拷贝jdbc驱动到sqoop的lib目录下，如：

$ cp mysql-connector-java-5.1.27-bin.jar  /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/

3.4 验证Sqoop

$bin/sqoop help     

省略一些警告信息，出现下面内容          

Available commands:
  codegen            Generate code to interact with database records
  create-hive-table  Import a table definition into Hive
  eval               Evaluate a SQL statement and display the results
  export             Export an HDFS directory to a database table
  help               List available commands
  import             Import a table from a database to HDFS
  import-all-tables  Import tables from a database to HDFS
  import-mainframe   Import datasets from a mainframe server to HDFS
  job                Work with saved jobs
  list-databases     List available databases on a server
  list-tables        List available tables in a database
  merge              Merge results of incremental imports
  metastore          Run a standalone Sqoop metastore
  version            Display version information

See 'sqoop help COMMAND' for information on a specific command.
 

3.5 验证sqoop是否能够连接上数据库

$ bin/sqoop list-databases --connect jdbc:mysql://hadoop101:3306/ --username root --password 123456

省略警告信息，出现如下输出：

information_schema
company
metastore
mysql
performance_schema
test

4 Sqoop案例

4.1 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，使用import关键字

4.1.1 RDBMS到HDFS

1. 确定mysql服务开启正常

2. 在mysql新建一张表并插入一些数据

$ mysql -uroot -p123456

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

（1）全部导入（\ 表时未输入完）

$ bin/sqoop import \             

--connect jdbc:mysql://hadoop101:3306/company \

--username root \

--password 123456 \

--table staff \

--target-dir /user/company \

--delete-target-dir \

--num-mappers 1 \

--fields-terminated-by "\t"

如果指定num-mappers>1,那么需要同时配置split-by,以便程序进行maptask切片

bin/sqoop import \

--connect jdbc:mysql://hadoop101:3306/company \

--username root \

--password 123456 \

--table staff \

--target-dir /user/company \

--delete-target-dir \

--num-mappers 2 \

--split-by id \

--fields-terminated-by "\t"

（2）查询导入

$ bin/sqoop import \

--connect jdbc:mysql://hadoop101:3306/company \

--username root \

--password 123456 \

--target-dir /user/company \

--delete-target-dir \

--num-mappers 1 \

--fields-terminated-by "\t" \

--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

提示：must contain '$CONDITIONS' in WHERE clause.

提示：--query选项，不能同时与--table选项使用

（3）导入指定列

$ bin/sqoop import \

--connect jdbc:mysql://hadoop101:3306/company \

--username root \

--password 123456 \

--target-dir /user/company \

--delete-target-dir \

--num-mappers 1 \

--fields-terminated-by "\t" \

--columns id,sex \

--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

4.1.3 RDBMS到Hive

$ bin/sqoop import \

--connect jdbc:mysql://hadoop101:3306/company \

--username root \

--password 123456 \

--table staff \

--num-mappers 1 \

--hive-import \

--fields-terminated-by "\t" \

--hive-overwrite \

--hive-table staff_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

4.2 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，使用export关键字。

4.2.1 Hive/HDFS到RDBMS(本质上都是HDFS到RDBMS)

$ bin/sqoop export \

--connect jdbc:mysql://hadoop101:3306/company \

--username root \

--password 123456 \

--table staff \

--num-mappers 1 \

--export-dir /user/hive/warehouse/staff_hive \

--input-fields-terminated-by "\t"

提示：Mysql中如果表不存在，不会自动创建，所以需要提前创建好表

4.3 脚本打包

使用opt格式的文件打包sqoop命令，然后执行

$ touch job_HDFS2RDBMS.opt         //创建一个.opt文件

$ vim opt/job_HDFS2RDBMS.opt     //编写脚本

export

--connect  jdbc:mysql://hadoop101:3306/company

--username  root

--password  123456

--table staff

--num-mappers  1

--export-dir  /user/hive/warehouse/staff_hive

--input-fields-terminated-by  "\t"

 

$ bin/sqoop --options-file /opt/module/datas/job_HDFS2RDBMS.opt     //执行脚本