Sqoop的简单案例应用

四、Sqoop的简单使用案例

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，叫做：导入，即使用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

       （1）全部导入

$ bin/sqoop import \ --connect jdbc:mysql://hadoop104:3306/company \ --username root \ --password 000000 \ --table staff \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t"

 

       （2）查询导入

$ bin/sqoop import \ --connect jdbc:mysql://hadoop104:3306/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;'

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

尖叫提示：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。

       （3）导入指定列

$ bin/sqoop import \ --connect jdbc:mysql://hadoop104:3306/company \ --username root \ --password 000000 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --columns id,sex \ --table staff

尖叫提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格

       （4）使用sqoop关键字筛选查询导入数据

$ bin/sqoop import \ --connect jdbc:mysql://hadoop104:3306/company \ --username root \ --password 000000 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --table staff \ --where "id=2"

尖叫提示：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。

4.1.2、RDBMS到Hive

$ bin/sqoop import \ --connect jdbc:mysql://hadoop104:3306/company \ --username root \ --password 000000 \ --table staff \ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --hive-overwrite \ --hive-table staff_hive

尖叫提示：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：第一步默认的临时目录是/user/admin/表名

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，叫做：导出，即使用export关键字。

4.2.1、HIVE/HDFS到RDBMS

$ bin/sqoop export \ --connect jdbc:mysql://hadoop104:3306/company \ --username root \ --password 000000 \ --export-dir /user/hive/warehouse/staff_hive \ --table staff \ --num-mappers 1 \ --input-fields-terminated-by "\t"

尖叫提示：Mysql中如果表不存在，不会自动创建

思考：数据是覆盖还是追加

4.3、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

$ mkdir opt $ touch opt/job_HDFS2RDBMS.opt

 

2) 编写sqoop脚本

$ vi opt/job_HDFS2RDBMS.opt   export --connect jdbc:mysql://hadoop104:3306/company --username root --password 000000 --table staff --num-mappers 1 --export-dir /user/hive/warehouse/staff_hive --input-fields-terminated-by "\t"

3) 执行该脚本

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