Apache Sqoop
1. sqoop 介绍
Apache Sqoop 是在Hadoop 生态体系和RDBMS 体系之间传送数据的一种工具。来自于Apache软件基金会提供。
Sqoop工作机制是将导入或导出命令翻译成mapreduce程序来实现。在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。
Hadoop生态系统包括:HDFS、Hive、Hbase等
RDBMS体系包括:Mysql、Oracle、DB2等
Sqoop可以理解为:“SQL 到 Hadoop 和 Hadoop 到SQL”。
站在Apache立场看待数据流转问题,可以分为数据的导入导出:
Import:数据导入。RDBMS----->Hadoop
Export:数据导出。Hadoop---->RDBMS
2. sqoop下载安装
- 下载地址:下载链接
- 适用版本 :自选
- 配置文件修改
cd $SQOOP_HOME/conf
mv sqoop-env-template.sh sqoop-env.sh
vi sqoop-env.sh
export HADOOP_COMMON_HOME= /export/servers/hadoop-2.7.5
export HADOOP_MAPRED_HOME= /export/servers/hadoop-2.7.5
export HIVE_HOME= /export/servers/hive
-- 加入mysql的jdbc驱动包
cp /hive/lib/mysql-connector-java-5.1.32.jar $SQOOP_HOME/lib/
验证启动
在sqoop安装目录执行:
bin/sqoop list-databases \
--connect jdbc:mysql://localhost:3306/ \
--username root --password hadoop
上述命令会列出所有的mysql的数据库,到这里整个Sqoop安装工作完成。
3. Sqoop 导入
导入单个表从RDBMS到HDFS,表中的每一行被视为HDFS的记录,所有的记录都存储为文本文件的文本数据。
1. 全量导入MySQL表数据到HDFS
bin/sqoop import \
--connect jdbc:mysql://192.168.182.2:3306/testdb(库名) \
--username root \
--password 123456 \
--delete-target-dir \
--target-dir /sqoop(目标路径目录) \
--table emp(表名)
--m 1
--fields-terminated-by '\t'(来指定分隔符)
为了验证在HDFS导入的数据,使用命令进行查看
hdfs dfs -cat /sqoop/part-m-0000
2. 全量导入MySQL表数据到HIVE
bin/sqoop import \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root \
--password 123456 \
--table emp_conn \
--hive-import \
--m 1 \
--hive-database test(HIVE库名);
3. 导入数据表子集(where过滤)
– where 可以指定从关系数据库导入数据时的查询条件。它执行在数据库服务器相应的SQL查询,并将结果存储在HDFS的目标目录。
bin/sqoop import \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root \
--password 123456 \
--where "city ='beijing'" \
--target-dir /wherequery \
--table emp_add --m 1
4. 导入表数据子集(query查询)
注意事项:
使用query sql语句来进行查找不能加参数–table ;
并且必须要添加where条件;
并且where条件后面必须带一个$CONDITIONS 这个字符串;
并且这个sql语句必须用单引号,不能用双引号;
bin/sqoop import \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root \
--password root \
--target-dir /wherequery12 \
--query 'select id,name,deg from emp WHERE id>1203 and $CONDITIONS' \
--split-by id \
--fields-terminated-by '\t' \
--m 2
sqoop命令中,–split-by id 通常配合 -m 10 参数使用。用于指定根据哪个字段进行划分并启动多少个maptask。
5. 增量导入
在实际工作当中,数据的导入,很多时候都是只需要导入增量数据即可,并不需要将表中的数据每次都全部导入到hive或者hdfs当中去,这样会造成数据重复的问题。因此一般都是选用一些字段进行增量的导入, sqoop支持增量的导入数据。
增量导入是仅导入新添加的表中的行的技术。
– check-column (col)
用来指定一些列,这些列在增量导入时用来检查这些数据是否作为增量数据进行导入,和关系型数据库中的自增字段及时间戳类似。
注意:这些被指定的列的类型不能使任意字符类型,如char、varchar等类型都是不可以的,同时-- check-column可以去指定多个列。
– incremental (mode)
append:追加,比如对大于last-value指定的值之后的记录进行追加导入。lastmodified:最后的修改时间,追加last-value指定的日期之后的记录
– last-value (value)
指定自从上次导入后列的最大值(大于该指定的值),也可以自己设定某一值
bin/sqoop import \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root --password root \
--table emp --m 1 \
--target-dir /appendresult \
--incremental append \
--check-column id \
--last-value 1205
4. sqoop 导出
将数据从Hadoop生态体系导出到RDBMS数据库导出前,目标表必须存在于目标数据库中。
export模式:
默认操作是从将文件中的数据使用INSERT语句插入到表中。
更新模式:Sqoop将生成UPDATE替换数据库中现有记录的语句。
1. 默认模式导出HDFS数据到mysql
默认情况下,sqoop export将每行输入记录转换成一条INSERT语句,添加到目标数据库表中。如果数据库中的表具有约束条件(例如,其值必须唯一的主键列)并且已有数据存在,则必须注意避免插入违反这些约束条件的记录。如果INSERT语句失败,导出过程将失败。此模式主要用于将记录导出到可以接收这些结果的空表中。通常用于全表数据导出。
导出时可以是将Hive表中的全部记录或者HDFS数据(可以是全部字段也可以部分字段)导出到Mysql目标表
bin/sqoop export \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root \
--password 123456 \
--table employee \
--export-dir /emp/emp_data
--input-fields-terminated-by '\t'
指定文件中的分隔符
--columns
选择列并控制它们的排序。当导出数据文件和目标表字段列顺序完全一致的时候可以不写。否则以逗号为间隔选择和排列各个列。没有被包含在–columns后面列名或字段要么具备默认值,要么就允许插入空值。否则数据库会拒绝接受sqoop导出的数据,导致Sqoop作业失败
--export-dir 导出目录,在执行导出的时候,必须指定这个参数,同时需要具备--table或--call参数两者之一,--table是指的导出数据库当中对应的表,
--call 是指的某个存储过程
2. 更新导出(updateonly模式)
-- 参数
-- update-key,更新标识,即根据某个字段进行更新,例如id,可以指定多个更新标识的字段,多个字段之间用逗号分隔。
-- updatemod,指定updateonly(默认模式),仅仅更新已存在的数据记录,不会插入新记录。
bin/sqoop export \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root \
--password root \
--table updateonly \
--export-dir /updateonly_1/
3. 更新导出(allowinsert模式)
-- update-key,更新标识,即根据某个字段进行更新,例如id,可以指定多个更新标识的字段,多个字段之间用逗号分隔。
-- updatemod,指定allowinsert,更新已存在的数据记录,同时插入新记录。实质上是一个insert & update的操作。
bin/sqoop export \
--connect jdbc:mysql://192.168.109.1:3306/userdb \
--username root \
--password root \
--table allowinsert \
--export-dir /allowinsert_1/
如有错误,请各位批评指正!!! 希望各位一键三联,感谢支持!!!