Sqoop介绍
Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具,可以将一个关系型数据库(例如:MySQL ,Oracle ,Postgres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。(本文档中使用的是sqoop-1.4.2-cdh4.2.1版本)
为什么要使用sqoop
因为业务的不断增长导致mysql数据库中数据太多,影响数据查询效率,所以使用sqoop把现有mysql中数据导入到HBase中,使用HBase支撑大数据量的查询。
Sqoop的安装
下载
wget http://archive.cloudera.com/cdh4/cdh/4/sqoop-1.4.2-cdh4.2.1.tar.gz
配置
sqoop-env.sh
cd ${sqoop_home}/conf
复制创建sqoop-env.sh
cp sqoop-env-template.sh sqoop-env.sh
修改 sqoop-env.sh 加入下面三行,根据集群情况填写
HADOOP_COMMON_HOME=/home/cdh4-test/hadoop-2.0.0-cdh4.2.1
HADOOP_MAPRED_HOME=/home/cdh4-test/hadoop-2.0.0-mr1-cdh4.2.1
HBASE_HOME=/home/cdh4-test/hbase-0.94.2-cdh4.2.1
添加jar包
复制集群中hadoop的core包以及mysql-jdbc包到sqoop-lib目录下。
测试
进入sqoop-bin目录下执行命令
./sqoop-list-tables --connect jdbc:mysql://you_mysql_address:port/you_db_name --username mysqlusername --P
然后提示输入密码,输入数据库登录密码即可。然后终端显示该数据库下的所有表名称。
Sqoop安装成功
使用sqoop把mysql中数据导入hbase中
命令:
./sqoop-import --connect jdbc:mysql://xxx.xxx.xxx.xxx/service --table ddt_map_info_copy --hbase-create-table --hbase-table A --column-family info --split-by mapId --username root --P --compression-codec lzo -z
--table ddt_map_info_copy 表示导出gamewaveservice数据库的ddt_map_info_copy表。
--hbase-table A 表示在复制到表A中。
--column-family person 表示在表A中建立列族person。
--hbase-row-key mapId 表示表A的row-key是map_info_copy表的mapId字段。
--hbase-create-table 表示在HBase中建立表。
--username root 表示使用用户root连接Mysql。
-z 表示采用压缩方式
--compression-codec lzo 表示用lzo方式压缩 无效
遇到的问题及结局方案
Q1:需要根据业务逻辑对HBase的row-key做出调整。
A1:有两种解决方案
1) 在数据导入之前对mysql原有表结构做出调整,增加一列存放即将作为Hbase row-key数据。
操作步骤:根据业务逻辑写出sql并update相应表的每一行。
2) 扩展PutTransformer类,自定义导入HBase的put格式。并在执行导入命令时指定该类
操作步骤:
package
com.gamewave.sqoop.extensions.tansformat_row_key;
import
java.io.IOException;
import
java.util.Collections;
import
java.util.List;
import
java.util.Map;
import
java.util.TreeMap;
import
org.apache.commons.logging.Log;
import
org.apache.commons.logging.LogFactory;
import
org.apache.hadoop.hbase.client.Put;
import
org.apache.hadoop.hbase.util.Bytes;
import
org.apache.sqoop.hbase.PutTransformer;
public
class
DdtMapInfoTransFormat
extends
PutTransformer {
public
static
final
Log LOG = LogFactory.getLog(DdtMapInfoTransFormat.
class
.getName());
private
Map<String,
byte
[]> serializedFieldNames;
public
DdtMapInfoTransFormat() {
serializedFieldNames =
new
TreeMap<String,
byte
[]>();
}<br>
/**
* Return the serialized bytes for a field name, using the cache if it's
* already in there.
*/
private
byte
[] getFieldNameBytes(String fieldName) {
byte
[] cachedName = serializedFieldNames.get(fieldName);
if
(
null
!= cachedName) {
// Cache hit. We're done.
return
cachedName;
}
// Do the serialization and memoize the result.
byte
[] nameBytes = Bytes.toBytes(fieldName);
serializedFieldNames.put(fieldName, nameBytes);
return
nameBytes;
}
@Override
/** {@inheritDoc} */
public
List<Put> getPutCommand(Map<String, Object> fields)
throws
IOException {
String rowKeyCol = getRowKeyColumn();
String colFamily = getColumnFamily();
byte
[] colFamilyBytes = Bytes.toBytes(colFamily);
Object rowKey = fields.get(rowKeyCol);
if
(
null
== rowKey) {
// If the row-key column is null, we don't insert this row.
LOG.warn(
"Could not insert row with null value for row-key column: "
+ rowKeyCol);
return
null
;
}
Put put =
new
Put(Bytes.toBytes(rowKey.toString() +
":custom"
));
for
(Map.Entry<String, Object> fieldEntry : fields.entrySet()) {
String colName = fieldEntry.getKey();
if
(!colName.equals(rowKeyCol)) {
// This is a regular field, not the row key.
// Add it if it's not null.
Object val = fieldEntry.getValue();
if
(
null
!= val) {
put.add(colFamilyBytes, getFieldNameBytes(colName),Bytes.toBytes(val.toString()));
}
}
}
return
Collections.singletonList(put);
}
}
|
1、扩展PutTransformer类
上面代码做出示例,红色字体为修改行,蓝底字体为添加内容。
2、包并放进sqoop-lib目录下,执行命令
./sqoop-import -D sqoop.hbase.insert.put.transformer.class=com.gamewave.sqoop.extensions.tansformat_row_key.DdtMapInfoTransFormat –connect jdbc:mysql://xxx.xxx.xxx.xxx/service --table ddt_map_info_copy --hbase-create-table --hbase-table ddt_map_info_copy --column-family info --split-by mapId --username root --P --compression-codec lzo
命令中-D为指定属性名称 参数值为键值对
sqoop.hbase.insert.put.transformer.class属性值为指定格式化类名称
3、验证
进入hbase shell
可以查看得到rowkey后缀均为:custom,修改成功