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

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 <stored-proc-name> 导出数据调用的指定存储过程名
--update-key <col-name&g