大数据数据传输 Sqoop (四)

大数据技术之Sqoop

一、Sqoop简介

Apache Sqoop™是一种旨在有效地在Apache
Hadoop和诸如关系数据库等结构化数据存储之间传输大量数据的工具。

Sqoop于2012年3月孵化出来，现在是一个顶级的Apache项目。

请注意，1.99.7与1.4.6不兼容，且没有特征不完整，它并不打算用于生产部署。

二、Sqoop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。

三、Sqoop安装

安装Sqoop的前提是已经具备Java和Hadoop的环境。

3.1、下载并解压

1. 最新版下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/

上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中，如我的上传目录是：/opt/software/

3. 解压sqoop安装包到指定目录，如：

$ tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/ |

3.2、修改配置文件

Sqoop的配置文件与大多数大数据框架类似，在sqoop根目录下的conf目录中。

1) 重命名配置文件

$ mv sqoop-env-template.sh sqoop-env.sh 
$ mv sqoop-site-template.xml sqoop-site.xml 此行不用做 

2) 修改配置文件

sqoop-env.sh

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.8.4
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.8.4
export HIVE_HOME=/opt/module/hive 
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf 

3.3、拷贝JDBC驱动

拷贝jdbc驱动到sqoop的lib目录下，如：

$ cp -a mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib 

3.4、验证Sqoop

我们可以通过某一个command来验证sqoop配置是否正确：

$ bin/sqoop help
出现一些Warning警告（警告信息已省略），并伴随着帮助命令的输出： Available commands: codegen Generate code to interact with database records create-hive-table Import a table definition into Hive eval Evaluate a SQL statement and display the results export Export an HDFS directory to a database table help List available commands import Import a table from a database to HDFS import-all-tables Import tables from a database to HDFS version Display version information ····· 

注:注释掉configure-sqoop 134行到143行的内容，内容如下

134 \#\# Moved to be a runtime check in sqoop. 
135 \#if [ ! -d "\${HCAT_HOME}" ]; then 
136 \# echo "Warning: \$HCAT_HOME does not exist! HCatalog jobs will fail." 
137 \# echo 'Please set \$HCAT_HOME to the root of your HCatalog installation.' 
138 \#fi 
139 \# 
140 \#if [ ! -d "\${ACCUMULO_HOME}" ]; then 
141 \# echo "Warning: \$ACCUMULO_HOME does not exist! Accumulo imports will fail." 142 \# echo 'Please set \$ACCUMULO_HOME to the root of your Accumulo installation.' 143 \#fi 

3.5、测试Sqoop是否能够成功连接数据库

$ bin/sqoop list-databases --connect jdbc:mysql://bigdata113:3306/ --username root --password 000000 出现如下输出： information_schema metastore mysql performance_schema 

四、Sqoop的简单使用案例

4.1、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。

4.1.1、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

$ mysql -uroot -p000000
mysql> create database company;
mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
mysql> insert into company.staff(name, sex) values('Thomas', 'Male');
mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale'); 

3. 导入数据

（1）全部导入

$ bin/sqoop import --connect jdbc:mysql://bigdata112:3306/test  --username root  --password 000000  --table student --target-dir /user/test/student1  --delete-target-dir  --num-mappers 1  --fields-terminated-by "t" 

（2）查询导入

$ bin/sqoop import  --connect jdbc:mysql://bigdata112:3306/test  --username root  --password 000000  --target-dir /user/test/student  --delete-target-dir  --num-mappers 1  --fields-terminated-by "t"  --query 'select name,sex from student where id <=6 and $CONDITIONS;' 

尖叫提示：must contain ‘$CONDITIONS’ in WHERE clause. 注：CONDITIONS 翻译‘条件’

尖叫提示：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://bigdata112:3306/test  --username root  --password 000000 --target-dir /user/test/student  --delete-target-dir  --num-mappers 1  --fields-terminated-by "t"  --columns id,name  --table student

尖叫提示：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://bigdata112:3306/test  --username root  --password 000000  --target-dir /user/test/student  --delete-target-dir  --num-mappers 1  --fields-terminated-by "t"  --table student  --where "id=2" 

尖叫提示：在Sqoop中可以使用sqoop import