大数据工具之Sqoop上手笔记

最新推荐文章于 2023-04-23 09:01:08 发布
最新推荐文章于 2023-04-23 09:01:08 发布
阅读量1.5k 收藏 39
点赞数 4
分类专栏： 大数据 文章标签： 数据库 大数据 sqoop hive mysql
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_41819729/article/details/107080749
版权

文章目录

Sqoop的介绍

Sqoop是一种旨在在Hadoop与关系数据库或大型机之间传输数据的工具。您可以使用Sqoop从关系数据库管理系统（RDBMS）（例如MySQL或Oracle）或大型机中将数据导入Hadoop分布式文件系统（HDFS），在Hadoop MapReduce中转换数据，然后将数据导出回RDBMS 。

Sqoop依靠数据库描述要导入的数据的模式来自动执行此过程的大部分过程。Sqoop使用MapReduce导入和导出数据，这提供了并行操作以及容错能力。

有了Sqoop，我们不需要再去写繁琐的MR程序，只需要通过命令，让Sqoop框架来帮助我们生成MR程序来实现数据的各种迁移，原理是类似于Hive的。

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。

帮助命令:

Sqoop附带了一个帮助工具。要显示所有可用工具的列表，请键入以下命令：

$ sqoop help
usage: sqoop COMMAND [ARGS]

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 mainframe datasets to HDFS
  list-databases     List available databases on a server
  list-tables        List available tables in a database
  version            Display version information

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

Sqoop安装

Before you can use Sqoop, a release of Hadoop must be installed and configured. Sqoop is currently supporting 4 major Hadoop releases - 0.20, 0.23, 1.0 and 2.0.

安装Sqoop的前提是已经具备Java和Hadoop的环境。

下载并解压

  1. 下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/

  2. 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中

  3. 解压sqoop安装包到指定目录，如：

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

修改配置文件

Sqoop的配置文件与大多数大数据框架类似，在sqoop根目录下的conf目录中。

1) 重命名配置文件

$ mv sqoop-env-template.sh sqoop-env.sh

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/hive
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10
export HBASE_HOME=/opt/module/hbase

注意路径要根据这些软件的安装位置而定

在这里插入图片描述

拷贝JDBC驱动

如果要操作mysql或其他关系型数据库，则需要将其JDBC驱动拷贝到sqoop的库中，即lib目录下：

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

安装成功验证

我们可以通过某一个help command来验证sqoop配置是否正确：

cd 到sqoop安装目录下，然后执行如下命令

$ bin/sqoop help

在这里插入图片描述

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。

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

CREATE DATABASE company;


CREATE TABLE company.staff(
   id INT(4) PRIMARY KEY NOT NULL AUTO_INCREMENT,
   NAME VARCHAR(255),
   sex VARCHAR(255));
   
   
INSERT INTO company.staff(NAME, sex) VALUES('Thomas', 'Male');
INSERT INTO company.staff(NAME, sex) VALUES('Catalina', 'FeMale');
  1. 导入数据

先要启动hdfs

（1）全部导入

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

可以看到sqoop的作用其实是类似于hive的，都是将输入的指令转换为mapreduce任务：在这里插入图片描述 在这里插入图片描述

（2）查询导入

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--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;'

and $CONDITIONS 不可省略，因为sqoop会补充当前操作所需的其他条件。

如果不加该关键字，系统会提示：must contain ‘$CONDITIONS’ in WHERE clause.

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。 在这里插入图片描述

（3）导入指定列

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff

columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格,原因在于命令行参数是用空格来隔开的

在这里插入图片描述

（4）使用sqoop关键字筛选查询导入数据

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=1"

在这里插入图片描述

RDBMS到Hive
bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--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，第一步默认的临时目录是/user/username/表名 在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

RDBMS到Hbase
bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--table staff \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id

sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能

解决方案：手动创建HBase表

hbase> create 'hbase_company,‘info’

hbase> scan ‘hbase_company’

在这里插入图片描述

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
bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123 \
--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

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

export
--connect
jdbc:mysql://hadoop102:3306/company
--username
root
--password
123
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"

清空staff表

DELETE FROM company.`staff`;

3) 执行该脚本

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

在这里插入图片描述

Sqoop一些常用命令及参数

常用命令

这里列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。

序号命令类说明
1importImportTool将数据导入到集群
2exportExportTool将集群数据导出
3codegenCodeGenTool获取数据库中某张表数据生成Java并打包Jar
4create-hive-tableCreateHiveTableTool创建Hive表
5evalEvalSqlTool查看SQL执行结果
6import-all-tablesImportAllTablesTool导入某个数据库下所有表到HDFS中
7jobJobTool用来生成一个sqoop的任务，生成后，该任务并不执行，除非使用命令执行该任务。
8list-databasesListDatabasesTool列出所有数据库名
9list-tablesListTablesTool列出某个数据库下所有表
10mergeMergeTool将HDFS中不同目录下面的数据合在一起，并存放在指定的目录中
11metastoreMetastoreTool记录sqoop job的元数据信息，如果不启动metastore实例，则默认的元数据存储目录为：~/.sqoop，如果要更改存储目录，可以在配置文件sqoop-site.xml中进行更改。
12helpHelpTool打印sqoop帮助信息
13versionVersionTool打印sqoop版本信息

命令&参数详解

刚才列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数。

首先是公用的参数，所谓公用参数，就是大多数命令都支持的参数。

公用参数：数据库连接
序号参数说明
1–connect连接关系型数据库的URL
2–connection-manager指定要使用的连接管理类
3–driverHadoop根目录
4–help打印帮助信息
5–password连接数据库的密码
6–username连接数据库的用户名
7–verbose在控制台打印出详细信息
公用参数：import
序号参数说明
1–enclosed-by <char>给字段值前加上指定的字符
2–escaped-by<char>对字段中的双引号加转义符
3–fields-terminated-by <char>设定每个字段是以什么符号作为结束，默认为逗号
4–lines-terminated-by <char>设定每行记录之间的分隔符，默认是\n
5–mysql-delimitersMysql默认的分隔符设置，字段之间以逗号分隔，行之间以\n分隔，默认转义符是\，字段值以单引号包裹。
6–optionally-enclosed-by <char>给带有双引号或单引号的字段值前后加上指定字符。
公用参数：export
序号参数说明
1–input-enclosed-by 对字段值前后加上指定字符
2–input-escaped-by 对含有转移符的字段做转义处理
3–input-fields-terminated-by 字段之间的分隔符
4–input-lines-terminated-by 行之间的分隔符
5–input-optionally-enclosed-by 给带有双引号或单引号的字段前后加上指定字符
公用参数：hive
序号参数说明
1–hive-delims-replacement 用自定义的字符串替换掉数据中的\r\n和\013 \010等字符
2–hive-drop-import-delims在导入数据到hive时，去掉数据中的\r\n\013\010这样的字符
3–map-column-hive 生成hive表时，可以更改生成字段的数据类型
4–hive-partition-key创建分区，后面直接跟分区名，分区字段的默认类型为string
5–hive-partition-value 导入数据时，指定某个分区的值
6–hive-home hive的安装目录，可以通过该参数覆盖之前默认配置的目录
7–hive-import将数据从关系数据库中导入到hive表中
8–hive-overwrite覆盖掉在hive表中已经存在的数据
9–create-hive-table默认是false，即，如果目标表已经存在了，那么创建任务失败。
10–hive-table后面接要创建的hive表,默认使用MySQL的表名
11–table指定关系数据库的表名

除了公有参数，还有各个命令对应的特有参数。

特有参数：import
序号参数说明
1–append将数据追加到HDFS中已经存在的DataSet中，如果使用该参数，sqoop会把数据先导入到临时文件目录，再合并。
2–as-avrodatafile将数据导入到一个Avro数据文件中
3–as-sequencefile将数据导入到一个sequence文件中
4–as-textfile将数据导入到一个普通文本文件中
5–boundary-query 边界查询，导入的数据为该参数的值（一条sql语句）所执行的结果区间内的数据。
6–columns <col1, col2, col3>指定要导入的字段
7–direct直接导入模式，使用的是关系数据库自带的导入导出工具，以便加快导入导出过程。
8–direct-split-size在使用上面direct直接导入的基础上，对导入的流按字节分块，即达到该阈值就产生一个新的文件
9–inline-lob-limit设定大对象数据类型的最大值
10–m或–num-mappers启动N个map来并行导入数据，默认4个。
11–query或–e 将查询结果的数据导入，使用时必须伴随参–target-dir，–hive-table，如果查询中有where条件，则条件后必须加上$CONDITIONS关键字
12–split-by 按照某一列来切分表的工作单元，不能与–autoreset-to-one-mapper连用（请参考官方文档）
13–table 关系数据库的表名
14–target-dir 指定HDFS路径
15–warehouse-dir 与14参数不能同时使用，导入数据到HDFS时指定的目录
16–where从关系数据库导入数据时的查询条件
17–z或–compress允许压缩
18–compression-codec指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)
19–null-string string类型的列如果null，替换为指定字符串
20–null-non-string 非string类型的列如果null，替换为指定字符串
21–check-column
作为增量导入判断的列名
22–incremental mode：append或lastmodified
23–last-value 指定某一个值，用于标记增量导入的位置
特有参数：export
序号参数说明
1–direct利用数据库自带的导入导出工具，以便于提高效率
2–export-dir 存放数据的HDFS的源目录
3-m或–num-mappers 启动N个map来并行导入数据，默认4个
4–table 指定导出到哪个RDBMS中的表
5–update-key 对某一列的字段进行更新操作
6–update-mode updateonly allowinsert(默认)
7–input-null-string 请参考import该类似参数说明
8–input-null-non-string 请参考import该类似参数说明
9–staging-table 创建一张临时表，用于存放所有事务的结果，然后将所有事务结果一次性导入到目标表中，防止错误。
10–clear-staging-table如果第9个参数非空，则可以在导出操作执行前，清空临时事务结果表

参考

sqoop的官网http://sqoop.apache.org/

其他的参数和命令介绍参见http://sqoop.apache.org/docs/1.4.7/SqoopUserGuide.html

尚硅谷sqoop教程http://www.atguigu.com/download_detail.shtml?v=59

ChanZany
关注
  • 4
    点赞
  • 踩
  • 39
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
专栏目录
大数据--Hadoop生态7--sqoop总结
数据挖掘+大数据研发+算法学习
03-16 366
一：sqoop简介 sqoop是一个高效传输海量数据而设计的工具，一般用于从关系型数据库同步数据到非关系型数据库中。 使用sqoop进行数据的导入，导出，其本质上是运行Mapreduce程序，充分利用了MR的并行化和容错性。 sqoop支持增量更新，将新记录添加到最近一次的导出的数据源上。 二：sqoop使用 获取MySQL数据库中数据库名称 sqoop list-database -connect 'jdbc:mysql://10.1.96.xx:3306' -username t..
Sqoop ---- Sqoop一些常用命令及参数
在人间负债^
06-06 2027
记录了 Sqoop job 的元数据信息，如果不启动该服务，那么默认 job 元数据的存储目录为~/.sqoop，可在 sqoop-site.xml 中修改。将关系型数据库中的数据导入到 HDFS（包括 Hive，HBase）中，如果导入的是 Hive，那么当 Hive 中没有对应表时，则自动创建。这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。刚才列举了一些 Sqoop 的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。
Sqoop一些常用详细命令及参数
@小刘同学nice
07-09 1653
常用命令列举 这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。 命令 类 说明 import ImportTool 将数据导入到集群 export ExportTool 将集群数据导出 codegen CodeGenTool 获取数据库中某张表数据生成Java并打包Jar create-hive-table Creat...
sqoop import/export参数说明
weixin_44762298的博客
12-22 435
1.import/export通用 选项 　　　　　　　　含义说明 –connect 指定JDBC连接字符串 –connection-manager 指定要使用的连接管理器类 –driver 指定要使用的JDBC驱动类 –hadoop-mapred-home 指定$HADOOP_MAPRED_HOME路径 –help 打印用法帮助信息 –password-file 设置用于存放认证的密码信息文件的路径 -P 从控制台读取输入的密码 –password 设置认证密码 –username 设置认证用
大数据：sqoop：命令和参数
Dr.Pandora's Box
11-06 1852
hive sparkHadoop pig
大数据技术之Sqoop.doc
12-18
大数据技术之Sqoop
大数据技术之Sqoop.docx
10-10
大数据技术之Sqoop.docx大数据技术之Sqoop.docx大数据技术之Sqoop.docx大数据技术之Sqoop.docx
尚硅谷大数据技术之Sqoop1
08-04
第 4 章 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，HBAS
尚硅谷大数据技术之Sqoop.pdf
10-04
介绍Sqoop，包括Sqoop的导入导出及脚本化运行。第五章介绍了Sqoop命令的公有参数和私有参数.
尚硅谷大数据技术之 Sqoop Oozie Azkaban1
08-03
1.1 为什么需要工作流调度系统 1.5 常见工作流调度系统 2.1 安装前准备 2.3 生成密钥库
sqoop常用命令整理
leehbing的博客
03-24 6133
1、列出mysql数据库中的所有数据库  sqoop list-databases --connect jdbc:mysql://localhost:3306/ -username root -password 000000 2、连接mysql并列出数据库中的表 sqoop list-tables --connect jdbc:mysql://localhost:3306/test --us
Sqoop 导入导出详解(mysql-hive/hdfs)
程序员学习圈
09-17 980
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。 1.1 mysql 数据准备 • 确定Mysql服务开启正常 • 在Mysql中新建一张表并插入一些数据 $ mysql -uroot -p123456 mysql> create d...
sqoop 常用命令及参数
yang灬仔
07-16 839
常用命令列举 这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。 序号 命令 类 说明 1 import ImportTool 将数据导入到集群 2 export ExportTool 将集群数据导出
Sqoop（三）—— Sqoop脚本打包
分享AI工具、AI技术、AI学习经验，感谢大家关注
03-11 673
文章目录1. 脚本打包2. Sqoop一些常用命令及参数2.1 job命令 1. 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 # 创建一个.opt文件 touch job_HDFS2RDBMS.opt job_HDFS2RDBMS.opt文件内容如下： # 以下命令是从stu中追加导入到MySQL的stu_hive表中 export --conne...
Sqoop的作用是什么？
全栈开发
04-23 1064
Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop独立成为一个Apache项目。将一个关系型数据库（for example ：MySQL，Oracle ,Postgre等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。sqoop是一款开源的工具，主要用于在hadoop（Hive）与传统的数据库（mysql、postgresql…）间进行数据的传递，可以。
Sqoop的功能及应用
卡卡的博客
11-03 1107
Sqoop的功能及应用
sqoop
沐雨金鳞
02-02 722
一、sqoop的功能 sqoop是实现hadoop与关系型数据库（RDBMS）之间的数据迁移工具。 通过sqoop可以很方便的将RDBMS的数据和hdfs、hbase、hive上的数据进行相互导入导出。 sqoop 架构非常简单，其整合了 Hive 、 Hbase 和 Oozie ，通过 map-reduce 任务来传输数据，从而提供并发特性和容错。 sqoop 主要通过 JDBC 和关系数据
Sqoop 一些常用命令及参数
Da.的博客
06-29 7444
1、 常用命令列举 这里给大家列出来了一部分 Sqoop 操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。 序号 命令 类 说明 1 import ImportTool 将数据导入到集群 2 export ExportTool 将集群数据导出 3 codegen CodeGenTool 获取数...
sqoop介绍及使用
weixin_44701192的博客
06-02 1787
sqoop 1、sqoop作用是数据迁移的一个工具 2、将传统关系型数据库数据迁移到大数据平台上（例如hive hdfs hbase） 3、sqoop的 迁入从传统关系型数据库=====》大数据平台上 迁出 大数据平台=====》传统关系型数据库平台 sqoop的本质 sqoop的本质就是将迁入迁出命令转换为mapperreducer任务 相当于定制了mapreducer的输入输出类· **例如...
centos大数据集群搭建sqoop
最新发布
08-12
在CentOS大数据集群中搭建Sqoop的步骤如下： 1. 首先，在master节点上安装Sqoop。进入Sqoop安装包所在目录，执行以下命令解压安装包：<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* *2* *3* [分布式大数据集群搭建](https://blog.csdn.net/qq_32425417/article/details/124367499)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v92^chatsearchT0_1"}}] [.reference_item style="max-width: 100%"] [ .reference_list ]

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值