大数据之Sqoop_sqoon 导出-CSDN博客

本文链接：https://blog.csdn.net/weixin_38887752/article/details/111034262

一、sqoop介绍

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。

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

链接：https://pan.baidu.com/s/1Fjlmp10RRaJPntp8F4siqA
提取码：fxx3

上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中
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/

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。

重命名配置文件

$ mv sqoop-env-template.sh sqoop-env.sh

修改配置文件
sqoop-env.sh

export HADOOP_COMMON_HOME=/opt/hadoop
export HADOOP_MAPRED_HOME=/opt/hadoop
export HIVE_HOME=/opt/hive
export ZOOKEEPER_HOME=/opt/zookeeper/zookeeper-3.4.14
export ZOOCFGDIR=/opt/zookeeper/zookeeper-3.4.14
export HBASE_HOME=/opt/hbase

3.3 拷贝JDBC驱动
拷贝jdbc驱动到sqoop的lib目录下，如：mysql jar包：
链接：https://pan.baidu.com/s/1gV95meiLXv1h1MBaoDKfvQ
提取码：xaf3

$ cp mysql-connector-java-5.1.27-bin.jar /opt/sqoop-1.4.6/lib/
oracle jar包： ojdbc6-11.2.0.3.jar

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
  import-mainframe    Import datasets from a mainframe server to HDFS
  job                Work with saved jobs
  list-databases        List available databases on a server
  list-tables           List available tables in a database
  merge              Merge results of incremental imports
  metastore           Run a standalone Sqoop metastore
  version            Display version information

3.5 测试Sqoop是否能够成功连接数据库

$ bin/sqoop list-databases --connect jdbc:mysql://hadoop001:3306/ --username root --password root

出现如下输出：
information_schema
metastore
mysql
oozie
performance_schema

测试链接oracle:

/opt/sqoop-1.4.6/bin/sqoop \
list-databases \
--connect jdbc:oracle:thin:@ip:1521/orcl \
--username grkh --password grkh

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 -proot
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://hadoop001:3306/company \
--username root \
--password root \
--table staff \        #指定需要导入的表
--target-dir /user/company \   #hdfs参数  hdfs目录
--delete-target-dir \           #hdfs有的话就删除 实际运用时不加
--num-mappers 1 \   
--fields-terminated-by "\t"    #文件以\t分隔

(2)查询导入
注意： 1.不指定表(–table) 2.查询导入必须指定$CONDITIONS

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password root \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

如果是双引号，$CONDITIONS前必须加转移符

--query “select name,sex from staff where id <=1 and \$CONDITIONS;”

提示：must contain ‘$CONDITIONS’ in WHERE clause.

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://hadoop001:3306/company \
--username root \
--password root \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \             #指定列
--table staff                #指定表

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://hadoop102:3306/company \
--username root \
--password root \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \        #指定表
--where "id=1"          # where 条件

4.1.2 RDBMS到Hive

$ bin/sqoop import \
--connect jdbc:mysql://hadoop001:3306/company \
--username root \
--password root  \
--table staff \         #指定表
--num-mappers 1 \
--hive-import \         #表示导入到hive中
--fields-terminated-by "\t" \
--hive-overwrite \      #覆盖
--hive-table staff_hive   #hive表

提示：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/表名

4.1.3 RDBMS到Hbase

$ bin/sqoop import \
--connect jdbc:mysql://hadoop001:3306/company \
--username root \
--password root \
--table company \
--columns "id,name,sex" \   
--column-family "info" \   #列族
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id

提示：sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能
解决方案：手动创建HBase表

hbase> create 'hbase_company,'info'

(5) 在HBase中scan这张表得到如下内容

hbase> scan ‘hbase_company’

4.2、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。

4.2.1 HIVE/HDFS到RDBMS

$ bin/sqoop export \
--connect jdbc:mysql://hadoop001:3306/company \
--username root \
--password root \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \    #需要导出的文件 在hdfs路径下，加hive表名
--input-fields-terminated-by "\t"

提示：Mysql中如果表不存在，不会自动创建

4.3 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_HDFS2RDBMS.opt
2) 编写sqoop脚本
$ vi opt/job_HDFS2RDBMS.opt

export
--connect
jdbc:mysql://hadoop001:3306/company
--username root
--password root
--table staff
--num-mappers 1
--export-dir /user/hive/warehouse/staff_hive
--input-fields-terminated-by "\t"

执行该脚本

$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt