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
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/
- 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
-
确定Mysql服务开启正常
-
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');
- 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