Sqoop的简单使用

1.简介

Sqoop 是一款开源的工具，主要用于在 Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，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。Sqoop 项目开始于 2009 年，最早是作为 Hadoop 的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop 独立成为一个 Apache项目。

2.原理

将导入或导出命令翻译成 mapreduce 程序来实现。
在翻译出的 mapreduce 中主要是对 inputformat 和 outputformat 进行定制。

3.Sqoop简单使用

1.导入数据

在 Sqoop 中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用 import 关键字。

1.RDBMS到HDFS

1）确定 Mysql 服务开启正常

2）在 Mysql 中新建一张表并插入一些数据

create database test;

use test;

create table staff(id int(4) primary key not null auto_increment, name varchar(20), sex varchar(10));

insert into staff(name, sex) values('test1', 'male'); 

insert into staff(name, sex) values('test2', 'male');

3）导入数据

（1）全部导入

bin/sqoop import \
--connect jdbc:mysql://noden:3306/test \
--username root \
--password 000000 \
--table staff \
--target-dir /user/test \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

（2）查询导入

bin/sqoop import \
--connect jdbc:mysql://noden:3306/test \
--username root \
--password 000000 \
--target-dir /user/test \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

注意： where后必须包含$CONDITIONS（即是没有其他条件也需要添加），且如果 query 后使用的是双引号，则$CONDITIONS 前必须加转移符，防止 shell 识别为自己的变量。

（3）导入指定列

bin/sqoop import \
--connect jdbc:mysql://noden:3306/test \
--username root \
--password 000000 \
--table staff \
--target-dir /user/test \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex

注意： columns 中如果涉及到多列，用逗号分隔，分隔时不要添加空格

（4）使用sqoop关键字筛选查询导入数据

bin/sqoop import \
--connect jdbc:mysql://noden:3306/test \
--username root \
--password 000000 \
--table staff \
--target-dir /user/test \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--where "id=1"

2.RDBMS到Hive

bin/sqoop import \
--connect jdbc:mysql://noden:3306/test \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff

注意： 该过程分为两步，第一步将数据导入到 HDFS，第二步将导入到 HDFS 的数据迁移到Hive 仓库，第一步默认的临时目录是/user/用户名/表名。

2.导出数据

在 Sqoop 中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用 export 关键字。

1.HIVE/HDFS到RDBMS

bin/sqoop export \
--connect jdbc:mysql://noden:3306/test \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff \
--input-fields-terminated-by "\t"

注意： Mysql 中如果表不存在，不会自动创建

3.脚本打包

使用 opt 格式的文件打包 sqoop 命令，然后执行

1）创建一个.opt文件

mkdir opt

touch opt/job_HDFStoRDBMS.opt

2）编写sqoop脚本

export
--connect jdbc:mysql://noden:3306/test
--username root
--password 000000
--table staff
--num-mappers 1
--export-dir /user/hive/warehouse/staff
--input-fields-terminated-by "\t"

3）执行该脚本

 bin/sqoop --options-file opt/job_HDFStoRDBMS.opt