一、Sqoop简介
引入sqoop
HDFS <=> mysql、oracle等关系数据库.
Apache Sqoop™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。
Sqoop于2012年3月孵化出来,现在是一个顶级的Apache项目。最新的稳定版本是1.4.7。
二、Sqoop原理
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。
注意:sqoop的底层mr是没有reducetask的,因为它不需要合并
三、Sqoop安装
安装Sqoop的前提是已经具备Java和Hadoop的环境。
解压
[root@hadoop003 software]# tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
重命名
[root@hadoop003 module]# mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha/ sqoop-1.4.6
修改配置文件
sqoop根目录下的conf目录中
[root@hadoop003 conf]# mv sqoop-env-template.sh sqoop-env.sh
修改配置文件
[root@hadoop003 conf]# vim sqoop-env.sh
添加配置
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/hive
拷贝JDBC驱动(因为要和mysql连接交互)
拷贝jdbc驱动到sqoop的lib目录下
[root@hadoop003 conf]# cp /opt/module/hive/lib/mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6/lib/
验证Sqoop
[root@hadoop003 sqoop-1.4.6]# bin/sqoop help
测试Sqoop是否能够成功连接数据库
$ bin/sqoop list-databases --connect jdbc:mysql://hadoop003:3306/ --username root --password 000000
输出结果如下:
伴随警告信息
四、Sqoop的简单使用案例
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。
1.RDBMS到HDFS
- 确定Mysql服务开启正常
- 在Mysql中新建一张表并插入一些数据
create database company character set utf8;
create table company.staff(id int(4) primary key auto_increment, name varchar(255), sex varchar(255)) character set utf8;
insert into company.staff(name, sex) values('Thomas', 'Male');
insert into company.staff(name, sex) values('Catalina', 'FeMale');
insert into company.staff(name, sex) values('张三', 'FeMale');
insert into company.staff(name, sex) values('张4', 'FeMale');
insert into company.staff(name, sex) values('张5', 'FeMale');
insert into company.staff(name, sex) values('张6', 'FeMale');
insert into company.staff(name, sex) values('张7', 'FeMale');
insert into company.staff(name, sex) values('张8', 'FeMale');
insert into company.staff(name, sex) values('张9', 'FeMale');
insert into company.staff(name, sex) values('张10', 'FeMale');
(1)全部导入
bin/sqoop import \
--connect jdbc:mysql://hadoop003:3306/company \
--username root \
--password 000000 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
–table 指代的表永远都是mysql中的表,不是hive的表
–fields-terminated-by 是指向hdfs中写入文件时,文件中列之间的分隔符
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://hadoop003:3306/company \
--username root \
--password 000000 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 2 \
--split-by id \
--fields-terminated-by "\t"
(2)查询导入(查什么就导入什么)
$ bin/sqoop import \
--connect jdbc:mysql://hadoop003:3306/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 $CONDITIONS;'
提示:must contain ‘$CONDITIONS’ in WHERE clause。
因为我们可以指定多个maptask通过并行的方式来从mysql读取数据并导入hdfs,这个时候,可能第1个maptask读取前50条,第2个maptask读取50-100条,加上$CONDITIONS后,sqoop框架会将该变量赋值将任务拆分,便于各个maptask并行导入任务。
提示:–query选项,不能同时与–table选项使用。
因为query选择已经包含表名了,不再需要通过–table重复指定表名
(3)导入指定列
bin/sqoop import \
--connect jdbc:mysql://hadoop003:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff
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
2.RDBMS到Hive
bin/sqoop import \
--connect jdbc:mysql://hadoop003:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table db_hive.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
会自动创建hive表,但是需要提前把hive库创建好。
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。
HIVE/HDFS到RDBMS(本质都是从HDFS到RDBMS)
导出之前将mysql的数据先删除以便查看效果。(因为hdfs上是之前从mysql导入的,再次导出到mysql会出现数据重复,而mysql的主键唯一,会出错,所以先将mysql的数据删除。当然,我们可以增加新数据到hdfs,再导出到mysql,避免主键重复)
bin/sqoop export
–connect jdbc:mysql://hadoop003:3306/company
–username root
–password 000000
–table staff
–num-mappers 1
–export-dir /user/hive/warehouse/db_hive.db/staff_hive
–input-fields-terminated-by “\t”
提示:Mysql中如果表不存在,不会自动创建