文章目录
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- 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)
- 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
- 日志:flume;
- 数据库里面的数据上传到hdfs中;
- 通过navicat导出功能;文件的格式得注意
- 通过hive建表
- 手动把txt文件上传到hdfs中
- 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
- 全量的数据 一次把数据都导入到hdfs中
- 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?
- 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
Sqoop2:http://sqoop.apache.org/docs/1.99.7/index.html
- 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
Sqoop2
3. sqoop1导入
把数据从数据库导入到hdfs中(大数据生态圈)
4. 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 <