sqoop安装

1.Why

  • 电脑的硬盘是 hdfs,CPU+内存:mr;软件:hive,hbase
  • 如何打通本地和大数据的道路呢
    两种方式
    1. 手动:我们使用浏览器把本地的文件上传到百度网盘中;(java连接hdfs)
    2. 手动:使用百度网盘推出的电脑app和手机app把数据上传到网盘中;
  • 把数据上传到hdfs中,自动:数据有两种格式:文件(日志),数据库
    1. 日志:flume;
    2. 数据库里面的数据上传到hdfs中;
      1. 通过navicat导出功能;文件的格式得注意
      2. 通过hive建表
      3. 手动把txt文件上传到hdfs中
      4. sqoop 自动把数据库里面的数据上传到hdfs中
  • 手动把操作 把数据库里面的数据上传到hdfs中
    1. 全量的数据 一次把数据都导入到hdfs中
    2. 增量数据 从导入数据的那一刻起 后续新增加的数据怎么办?
    3. 上传的文本文件巨大(100G)

2.介绍

1.介绍

  • 将关系数据库(oracl mysql postgresql等)数据与hadoop数据进行转换的工具
  • 官方网址 http://sqoop.apache.org/
  • 版本 (两个版本完全不兼容 sqoop1使用的最多)
  •   sqoop1 1.4.x
    
  •   sqoop2 1.99.x
    

1.4.7:在线手册http://sqoop.apache.org/docs/1.4.7/index.html
在这里插入图片描述
Sqoop2:http://sqoop.apache.org/docs/1.99.7/index.html
在这里插入图片描述

  • 同类产品
  • DataX 阿里顶级数据交换工具

2. sqoop架构

  • sqoop架构非常简单 是hadoop生态系统的架构最简单的框架
  • sqoop1 由client端直接接入hadoop 人物通过解析生成对应的mapreduce执行
  • sqoop1 仅有一个客户端 架构简单明了 部署即用 使用门槛比较低 但是耦合性强 用户密码暴漏不安全
  • sqoop2 服务端部署 运行 提供li rest api webui 等入口 connector集中管理 rdbms账户控制更安全 但是sqoop2仅负责数据的读写操作 架构相对复杂
    Sqoop1
    在这里插入图片描述
    Sqoop2
    在这里插入图片描述

3. sqoop1导入

把数据从数据库导入到hdfs中(大数据生态圈)
把数据从数据库导入到hdfs中

4. sqoop1导出

sqoop1导出

5.sqoop工具

sqoop工具 
选项 	含义说明
--connect <jdbc-uri> 指定JDBC连接字符串
--connection-manager <class-name> 指定要使用的连接管理器类
--driver <class-name> 指定要使用的JDBC驱动类
--hadoop-mapred-home <dir> 指定$HADOOP_MAPRED_HOME路径
--help 万能帮助
--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 <password> 设置认证密码
--username <username> 设置认证用户名
--verbose 打印详细的运行信息
--connection-param-file <filename> 可选,指定存储数据库连接参数的属性文件

6.但如工具import

选选项项 含义说明含义说明
--append 将数据追加到HDFS上一个已存在的数据集上
--as-avrodatafile 将数据导入到Avro数据文件
--as-sequencefile 将数据导入到SequenceFile
--as-textfile 将数据导入到普通文本文件(默认)
--boundary-query <statement> 边界查询,用于创建分片(InputSplit)
--columns <col,col,col…> 从表中导出指定的一组列的数据
--delete-target-dir 如果指定目录存在,则先删除掉
--direct 使用直接导入模式(优化导入速度)
--direct-split-size <n> 分割输入stream的字节大小(在直接导入模式下)
--fetch-size <n> 从数据库中批量读取记录数
--inline-lob-limit <n> 设置内联的LOB对象的大小
-m,--num-mappers <n> 使用n个map任务并行导入数据
-e,--query <statement> 导入的查询语句
--split-by <column-name> 指定按照哪个列去分割数据
--table <table-name> 导入的源表表名
--target-dir <dir> 导入HDFS的目标路径
--warehouse-dir <dir> HDFS存放表的根路径
--where <where clause> 指定导出时所使用的查询条件
-z,--compress 启用压缩
--compression-codec <c> 指定Hadoop的codec方式(默认gzip)
--null-string <null-string> 如果指定列为字符串类型,使用指定字符串替换值为null的该类列的值
--null-non-string <null-string> 如果指定列为非字符串类型,使用指定字符串替换值为null的该类列的值

7. 导入工具export:

选项 含义说明
--validate <class-name> 启用数据副本验证功能,仅支持单表拷贝,可以指定验证使用的实现类
--validation-threshold <class-name> 指定验证门限所使用的类
--direct 使用直接导出模式(优化速度)
--export-dir <dir> 导出过程中HDFS源路径
--m,--num-mappers <n> 使用n个map任务并行导出
--table <table-name> 导出的目的表名称
--call <stored-proc-name> 导出数据调用的指定存储过程名
--update-key <col-name&g
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“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
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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