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