Sqoop导入与导出数据

1、Sqoop部署

基础环境：hadoop完全分布式集群、hive、zookeeper、hbase

1.1、下载安装包

官网下载安装包：官网链接地址
将下载好的安装包上传至Linux，解压并修改名称

1.2、修改配置文件

进入Sqoop的conf目录下
复制文件并重命名
cp sqoop-env-template.sh sqoop-env.sh
修改sqoop-env.sh文件，并添加如下内容，具体路径应灵活修改

export HADOOP_COMMON_HOME=/usr/local/soft/hadoop-2.7.6
export HADOOP_MAPRED_HOME=/usr/local/soft/hadoop-2.7.6/share/hadoop/mapreduce
export HBASE_HOME=/usr/local/soft/hbase-1.4.6
export HIVE_HOME=/usr/local/soft/hive-1.2.1
export ZOOCFGDIR=/usr/local/soft/zookeeper-3.4.6/conf
export ZOOKEEPER_HOME=/usr/local/soft/zookeeper-3.4.6

进入Sqoop的bin目录下
vim configure-sqoop 修改配置文件，注释掉没用的内容（就是为了去掉警告信息）
注释掉以下内容

1.3、将Sqoop添加环境变量

vim /etc/profile
将sqoop的目录加入环境变量

1.4、添加mysql连接驱动

将mysql连接驱动复制到Sqoop的lib目录下
cp /usr/local/soft/hive-1.2.1/lib/mysql-connector-java-5.1.49.jar /usr/local/soft/sqoop-1.4.7/lib/

测试

• 打印Sqoop版本
• 测试MySQL连通性
  sqoop list-databases -connect jdbc:mysql://master:3306?useSSL=false -username root -password 123456
  
  出现上图结果表示测试成功

2、导入数据

从传统的关系型数据库导入到HDFS、Hive、HBASE

2.1、将MySQL的数据导入HDFS

2.1.1、数据准备：

在MySQL中创建student数据库，并执行student.sql脚本导入数据
执行source /root/data/student.sql导入student数据

2.1.2、编写脚本

编写脚本文件保存为MySQLToHDFS.conf
–m 指定map任务数
–target-dir 指定HDFS的存储位置
–fields-terminated-by 指定HDFS上存储文件的字段分割符

import
--connect
jdbc:mysql://master:3306/student?useSSL=false
--username
root
--password
123456
--table
student
--m
2
--split-by
age
--target-dir
/sqoop/data/student
--fields-terminated-by
','

2.1.3、执行脚本

需在写的脚本位置执行
sqoop --options-file MySQLToHDFS.conf
查看HDFS中的数据，导入成功

注意事项：
1、–m 表示指定生成多少个Map任务，不是越多越好，因为MySQL Server的承载能力有限
2、当指定的Map任务数>1，那么需要结合--split-by参数，指定分割键，以确定每个map任务到底读取哪一部分数据，最好指定数值型的列，最好指定主键（或者分布均匀的列=>避免每个map任务处理的数据量差别过大）
3、如果指定的分割键数据分布不均，可能导致Map端“数据倾斜”问题
4、分割的键最好指定数值型的，而且字段的类型为int、bigint这样的数值型
5、编写脚本的时候，注意：例如：--username参数，参数值不能和参数名同一行
6、运行的时候会报错InterruptedException，hadoop2.7.6自带的问题，忽略即可
7、实际上sqoop在读取mysql数据的时候，用的是JDBC的方式，所以当数据量大的时候，效率不是很高
8、sqoop底层通过MapReduce完成数据导入导出，只需要Map任务，不需要Reduce任务
9、每个Map任务会生成一个文件

2.2、将MySQL数据导入到Hive

在执行MapReduce任务的时候
先会将MySQL的数据导出来并在HDFS上找个目录临时存放，默认为：/user/用户名/表名
然后再将数据加载到Hive中，加载完成后，会将临时存放的目录删除

2.2.1、数据准备

在MySQL所创建student数据库中，执行score.sql脚本导入数据
执行source /root/data/score.sql导入score数据

2.2.2、编写脚本

编写脚本文件，并保存为MySQLToHive.conf
–fields-terminated-by 字段分割符
–lines-terminated-by 行分隔符
–hive-import 将表导入Hive
–hive-overwrite 覆盖写入表
–delete-target-dir 如果存在目标文件夹就删除
--hive-database 指定Hive中的数据库，Hive中需要创建此数据库，否则可能会出错

import 
--connect
jdbc:mysql://master:3306/student?useSSL=false
--username
root
--password
123456
--table
score
--fields-terminated-by
"\t"
--lines-terminated-by
"\n"
--m
3
--split-by
student_id
--hive-import
--hive-overwrite
--create-hive-table
--hive-database
testsqoop
--hive-table
score
--delete-target-dir

2.2.3、执行脚本

执行脚本前需

• 将HADOOP_CLASSPATH加入环境变量中
  加入如下内容
  export HADOOP_CLASSPATH=$HADOOP_HOME/lib:$HIVE_HOME/lib/*
  并source /etc/profile

• 将hive-site.xml放入SQOOP_HOME/conf/
  cp /usr/local/soft/hive-1.2.1/conf/hive-site.xml /usr/local/soft/sqoop-1.4.7/conf/

执行脚本
sqoop --options-file MySQLToHive.conf
进入hive查看导入的表数据，导入成功如图

2.3、将MySQL数据导入HBASE

2.3.1、数据准备

将MySQL中的student数据导入hbase中

2.3.2、编写脚本

将脚本保存为MySQLToHBase.conf

–hbase-row-key 指定hbase的行键
–column-family 指定hbase的列簇
–hbase-table 指定hbase的表，hbase上的表需存在，并且有所指定的列簇

import 
--connect 
jdbc:mysql://master:3306/student?useSSL=false
--username 
root 
--password 
123456
--table 
student
--hbase-table 
stu
--hbase-row-key 
id 
--m 
1
--column-family 
cf

2.3.3、执行脚本

sqoop --options-file MySQLToHBase.conf
进入Hbase查看结果，成功如下图

3、导出数据

3.1、将HDFS上的数据导入MySQL

3.1.1、数据准备

sqoop从MySQL中导出的数据

3.1.2、编写脚本

编写脚本并保存为HDFSToMySQL.conf
&characterEncoding=utf8如果HDFS上的数据导入MySQL中乱码在jdbc后添加字符集
–columns 指定列名
–export-dir 指定HDFS上的（需要导出的位置）存储位置

export
--connect
jdbc:mysql://master:3306/student?useSSL=false&characterEncoding=utf8
--username
root
--password
123456
--table
student
-m
1
--columns
id,name,age,gender,clazz
--export-dir
/sqoop/data/student/
--fields-terminated-by 
','

3.1.3、执行脚本

首先清空MySQL中的数据
执行脚本
sqoop --options-file HDFSToMySQL.conf
成功如下图

4、–direct参数

加上这个参数，可以在导出MySQL数据的时候，使用MySQL提供的导出工具mysqldump，加快导出速度，提高效率
但是需要将master上的/usr/bin/mysqldump分发至 node1、node2的/usr/bin目录下
如果不做上述操作，将会出现如下错误

在master上执行

scp /usr/bin/mysqldump node1:/usr/bin/
scp /usr/bin/mysqldump node2:/usr/bin/

再次执行脚本就不会出错了

4.1、e参数的使用示例

import 
--connect 
jdbc:mysql://master:3306/student 
--username 
root 
--password 
123456 
--fields-terminated-by 
"\t" 
--lines-terminated-by 
"\n" 
--m 
2 
--split-by 
student_id 
--e 
"select * from score where student_id=1500100011 and $CONDITIONS" 
--target-dir 
/testQ 
--hive-import 
--hive-overwrite 
--create-hive-table 
--hive-database 
testsqoop 
--hive-table 
score2