Sqoop的安装与使用（导入数据到HDFS）

Sqoop

用途
Sqoop是一个用于在hadoop和关系数据库之间传输数据的工具。它可以将数据从RDBMS导入到HDFS。例如：HDFS、Hive、HBase。也可以从HDFS导出数据到RDBMS。Sqoop使用MapReduce导入和导出数据，提供并行操作和容错。

Sqoop安装

在安装Sqoop之前，确保已经安装了java、Hadoop、Zookeeper、HBase和Hive。如果还未装可以参考我以前的博文。本文安装的版本是1.4.6版本。
1、上传安装包到虚拟机：

2、解压安装包到指定目录，并修改名称

tar -zxvf sqoop-1.4.6-cdh5.14.2.tar.gz -C /opt/

 mv sqoop-1.4.6-cdh5.14.2/ sqoop

3、配置环境变量

vi /etc/profile

添加如下内容：

#路径
export SQOOP_HOME=/opt/sqoop
export PATH=$SQOOP_HOME/bin:$PATH

然后 source /etc/profile使配置生效。
（如果不配置环境变量，每次使用时需要在sqoop-import前加上sqoop的bin目录路径）
4、进入到sqoop下的conf文件，
重命名：sqoop-env-template.sh

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

然后修改其内容：

export HADOOP_COMMON_HOME=/opt/hadoop
export HADOOP_MAPRED_HOME=/opt/hadoop
export HBASE_HOME=/opt/hbase
export HIVE_HOME=/opt/hive
export ZOOCFGDIR=/opt/zkpr
export ZOOKEEPER_HOME=/opt/zkpr

保存退出。
5、拷贝JDBC驱动
将JDBC驱动拷贝到sqoop的lib目录下

cp /opt/hive/lib/mysql-connector-java-5.1.38.jar /opt/sqoop/lib/

6、在虚拟机中安装unzip和wget

yum install -y unzip
yum install -y wget

7、进入到lib目录下，下载json的jar包：

wget http://www.java2s.com/Code/JarDownload/java-json/java-json.jar.zip

unzip解压

unzip java-json.jar.zip

目的是为了防止在执行语句的时候报下列异常：

Exception in thread “main” java.lang.NoClassDefFoundError:
org/json/JSONObject

8、通过sqoop help验证sqoop是否安装成功

sqoop help

出现的警告信息可以忽略，出现下半部分的帮助命令即成功。
如果你想看的更舒服一点，可以用下面的办法把警告取消掉：
到sqoop 的bin目录下，进入configure-sqoop文件，找打出警告的提示信息然后把这三个内容用

:<<! !

的方式注释掉

:<<!
## Moved to be a runtime check in sqoop.
if [ ! -d "${HCAT_HOME}" ]; then
  echo "Warning: $HCAT_HOME does not exist! HCatalog jobs will fail."
  echo 'Please set $HCAT_HOME to the root of your HCatalog installation.'
fi

if [ ! -d "${ACCUMULO_HOME}" ]; then
  echo "Warning: $ACCUMULO_HOME does not exist! Accumulo imports will fail."
  echo 'Please set $ACCUMULO_HOME to the root of your Accumulo installation.'
fi
if [ ! -d "${ZOOKEEPER_HOME}" ]; then
  echo "Warning: $ZOOKEEPER_HOME does not exist! Accumulo imports will fail."
  echo 'Please set $ZOOKEEPER_HOME to the root of your Zookeeper installation.'
fi
!

再次执行sqoop help警告就消失了

9、测试Sqoop是否能够连接数据库

sqoop list-databases --connect jdbc:mysql://hadoop01:3306/ --username root --password ok

hadoop01是主机名，username是用户名，password是mysql的密码。

出现Mysql的数据库即为能够成功连接。

数据迁移

Sqoop安装成功后，我们就需要进行数据迁移的工作。

导入表到HDFS

sqoop-import \
--connect jdbc:mysql://hadoop01:3306/MySchool \
--driver com.mysql.jdbc.Driver \
--table student \
--username root \
--password ok \
--target-dir /data/work/sqoop \
--m 3

我们来分析一下这串代码：
\是表示换行；
sqoop-import是sqoop import的别名，二者是一样的；hadoop01:3306/MySchool，配置数据库连接为Mysql中的数据库；
table student：表名；
target-dir /data/work/sqoop：导入指定目录（HDFS）
–m 3：–m表示Mapper的数量。
执行成功后，我们可以登录HDFS查看一下上传的内容：


可以看到默认生成了四份文件，Sqoop把表格内容按一定规则分到这四个文件中，因为我的数据比较少，所以这里有两个文件的内容是空的，没有内分配到。我们可以到linux中查看相关的文件信息：

hdfs dfs -cat /data/work/sqoop/part-m-00003

通过where语句过滤导入表

有时候我们可能不需要把所有的数据都上传到HDFS中，此时我们就可以通过where来过滤信息，只导入我们需要的数据。
还是以上述的数据为列，我只要id大于1011的：

sqoop-import \
--connect jdbc:mysql://hadoop01:3306/MySchool \
--driver com.mysql.jdbc.Driver \
--table student \
--where "stu_id>1011" \
--username root \
--password ok \
--delete-target-dir \
--target-dir /data/work/sqoopwhere
--m 3

–where “stu_id>1011” ：指定where条件；
–delete-target-dir：如果目标目录存在，则删除；

同一会分成四个文件，查看信息可以看到id为1的已经筛选掉：

导入指定列

我们只选择stu_id,stu_name,stu_sex三列作为数据导入

sqoop import \
--connect jdbc:mysql://hadoop01:3306/MySchool \
--table student \
--columns "stu_id,stu_name,stu_sex" \
--username root \
--password ok \
--delete-target-dir \
--target-dir /data/work/sqoopColumn

我这里省略了–driver com.mysql.jdbc.Driver
columns “stu_id,stu_name,stu_sex”：我们所选取的列

query查询导入数据

我们把姓李的数据导入：

sqoop import \
--connect jdbc:mysql://hadoop01:3306/MySchool \
--query "select * from student where stu_name like '李%' and \$CONDITIONS" \
--username root \
--password ok \
--split-by stu_id \
--delete-target-dir \
--target-dir /data/work/sqoopQuery
--m 3

当我们查询的时候，可以省略–table;
所有的查询都应该以 $CONDITIONS结束。即使没有查询条件也要 where $CONDITIONS.sqoop内部使用该条件将记录范围分发给所有Mapper。使用query查询，一定使用双引号，不能使用单引号
split-by stu_id :指定用于分割数据的列为stu_id，不可省略。
假如我们有30条数据，那么在我们插入的数据的时候会按照stu_id平均分成3份（–m 3 ）。
对于指定的划分字段也要根据实际情况指定。假如一个订单表，其中包括时间和订单量两列。第一天订单量为10，第二天为20，第三天为30，此时如果以天数为划分，那么就会造成划分的不均，所以在指定划分时也要考虑下这方面的问题。

错误解决

1、第一次使用时，如果报访问被拒的错误：

java.sql.SQLException: Access denied for user 'root'@'192.168.136.221' (using password: YES)
可以在mysql中设置远程连接的权限：

GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY 'ok' WITH GRANT OPTION;

2、遇到密码过期的问题：
可以进入mysql的user库，查看到期的host

select user,host,Password,password_expired from user;

Y表示到期，这时我们可以重新设置为N；

update user set password_expired ='N'

3、导入数据到HDFS时，报错：

Exception in thread "main" java.lang.NoClassDefFoundError: org/json/JSONObject

缺少相应的jar包，上传java-json.jar包到sqoop的lib目录下
jar包链接
提取码：v7tj