mysql 5.7和8.0区别_Sqoop1.4.7 实现将 Mysql 数据与 Hadoop3.0 数据互相抽取

特别说明：该专栏文章均来源自微信公众号【大数据实战演练】，欢迎关注！

本文主要讲解 Sqoop 1.4.7 如何实现 Mysql 与 Hadoop 3.0 之间数据互相抽取的。

环境基于 Ambari 2.7 + HDP 3.0 部署。

之前写过一篇 Sqoop 1.4.6 如何实现 Mysql 与 Hadoop 2.x 之间数据互相抽取的，可参考：《Sqoop概述及shell操作》

一、Sqoop Shell操作

1. 将Mysql数据导入到Hadoop中

1.1 数据导入到HDFS

参数 描述 table

sqoop import --connect jdbc:mysql://10.6.6.72:3309/hive --username root --password root123 --table ROLES --target-dir /tmp/root/111 --fields-terminated-by ',' -m 1 

备注：-m 参数可以指定 map 任务的个数，默认是 4 个。如果指定为 1 个 map 任务的话，最终生成的 part-m-xxxxx 文件个数就为 1。在数据充足的情况下，生成的文件个数与指定 map 任务的个数是等值的。

1.2 数据导入到Hive中

参数 描述 --hive-import 将表导入Hive中 --hive-table

sqoop import --connect jdbc:mysql://10.6.6.72:3309/hive --username root --password root123 --hive-import --table ROLES --hive-database default --hive-table roles_test --fields-terminated-by ',' -m 1 

备注：-m 参数可以指定 map 任务的个数，默认是 4 个。如果指定为 1 个 map 任务的话，最终生成在 /warehouse/tablespace/managed/hive/roles_test/base_xxxx 目录下的 000000_x 文件个数就为 1 。在数据充足的情况下，生成的文件个数与指定 map 任务的个数是等值的。

提示：如果该步骤失败，可查看 FAQ 里面的 1 与 2 。

执行数据导入过程中，会触发 MapReduce 任务。任务执行成功以后，我们访问 Hive 验证一下数据是否导入成功。

hive> show tables;OKroles_testhive> select * from roles_test;OK1 1545355484 admin admin2 1545355484 public publicTime taken: 0.536 seconds, Fetched: 2 row(s)

数据导入成功。

1.3 数据导入到HBase中

参数 描述 --column-family 设置导入的目标列族 --hbase-row-key 指定要用作行键的输入列；如果没有该参数，默认为mysql表的主键 --hbase-create-table 如果执行，则创建缺少的HBase表 --hbase-bulkload 启用批量加载 将 mysql 数据库中的 hive 数据库中的 roles 表数据导入到 HBase 中，并生成 roles_test 表。执行代码如下：

sqoop import --connect jdbc:mysql://10.6.6.72:3309/hive --username root --password root123 --table ROLES --hbase-table roles_test --column-family info --hbase-row-key ROLE_ID --hbase-create-table --hbase-bulkload

关于参数--hbase-bulkload的解释：

实现将数据批量的导入Hbase数据库中，BulkLoad特性能够利用MR计算框架将源数据直接生成内部的HFile格式，直接将数据快速的load到HBase中。

细心的你可能会发现，使用--hbase-bulkload参数会触发MapReduce的reduce任务。

执行数据导入过程中，会触发MapReduce任务。任务执行成功以后，我们访问HBase验证一下数据是否导入成功。

hbase(main):002:0> listTABLE roles_test 1 row(s) in 0.1030 seconds=> ["roles_test"]hbase(main):003:0> scan "roles_test"ROW COLUMN+CELL  1 column=info:CREATE_TIME, timestamp=1548319280991, value=1545355484  1 column=info:OWNER_NAME, timestamp=1548319280991, value=admin  1 column=info:ROLE_NAME, timestamp=1548319280991, value=admin  2 column=info:CREATE_TIME, timestamp=1548319282888, value=1545355484  2 column=info:OWNER_NAME, timestamp=1548319282888, value=public  2 column=info:ROLE_NAME, timestamp=1548319282888, value=public 2 row(s) in 0.0670 seconds

总结：roles_test表的row_key是源表的主键ROLE_ID值，其余列均放入了info这个列族中。

2. 将Hadoop数据导出到Mysql中

Sqoop export 工具将一组文件从 HDFS 导出回 Mysql 。目标表必须已存在于数据库中。根据用户指定的分隔符读取输入文件并将其解析为一组记录。

默认操作是将这些转换为一组INSERT将记录注入数据库的语句。在“更新模式”中，Sqoop 将生成 UPDATE 替换数据库中现有记录的语句，并且在“调用模式”下，Sqoop 将为每条记录进行存储过程调用。

将 HDFS、Hive、HBase的数据导出到 Mysql 表中，都会用到下表的参数：

参数 描述 --table

2.1 HDFS数据导出至Mysql

首先在 test 数据库中创建 roles_hdfs 数据表：

USE test;CREATE TABLE `roles_hdfs` (`ROLE_ID` bigint(20) NOT NULL ,`CREATE_TIME` int(11) NOT NULL ,`OWNER_NAME` varchar(128) DEFAULT NULL ,`ROLE_NAME` varchar(128) DEFAULT NULL ,PRIMARY KEY (`ROLE_ID`))

将HDFS上的数据导出到mysql的test数据库的roles_hdfs表中，执行代码如下：

sqoop export --connect jdbc:mysql://10.6.6.72:3309/test --username root --password root123 --table roles_hdfs --export-dir /tmp/root/111 --input-fields-terminated-by ',' -m 1

执行数据导入过程中，会触发MapReduce任务。任务成功之后，前往mysql数据库查看是否导入成功。

2.2 Hive数据导出至Mysql

首先在test数据库中创建roles_hive数据表：

CREATE TABLE `roles_hive` (`ROLE_ID` bigint(20) NOT NULL ,`CREATE_TIME` int(11) NOT NULL ,`OWNER_NAME` varchar(128) DEFAULT NULL ,`ROLE_NAME` varchar(128) DEFAULT NULL ,PRIMARY KEY (`ROLE_ID`))

由于Hive数据存储在 HDFS 上，所以从根本上还是将 HDFS 上的文件导出到 mysql 的 test 数据库的 roles_hive 表中，执行代码如下：

sqoop export --connect jdbc:mysql://10.6.6.72:3309/test --username root --password root123 --table roles_hive --export-dir /warehouse/tablespace/managed/hive/roles_test/base_0000001 --input-fields-terminated-by ',' -m 1

2.3 HBase数据导出至Mysql

目前 Sqoop 不支持从 HBase 直接导出到关系型数据库。可以使用 Hive 周转一下。

2.3.1 创建hive外部表

create external table hive_hbase(id int,CREATE_TIME string,OWNER_NAME string,ROLE_NAME string)stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'with serdeproperties ("hbase.columns.mapping" = ":key,info:CREATE_TIME,info:OWNER_NAME,info:ROLE_NAME")tblproperties("hbase.table.name" = "roles_test");

2.3.2 创建Hive内部表

创建适配于 Hive 外部表的内部表：

create table if not exists hive_export(id int, CREATE_TIME string, OWNER_NAME string, ROLE_NAME string)row format delimited fields terminated by ',' stored as textfile;

hive_hbase 外部表的源是 HBase 表数据，当创建适配于 hive_hbase 外部表的 Hive 内部表时，指定行的格式为 “,” 。

2.3.3 将外部表的数据导入到内部表中

insert overwrite table hive_exportselect * from hive_hbase;

备注：如果该步骤报错，可查看 FAQ 的 3 。

2.3.4 创建Mysql表

CREATE TABLE `roles_hbase` (`id` bigint(20) NOT NULL,` create_time` varchar(128) NOT NULL ,` owner_name` varchar(128) DEFAULT NULL ,` role_name` varchar(128) DEFAULT NULL ,PRIMARY KEY (`id`))

2.3.5 执行sqoop export

sqoop export --connect jdbc:mysql://10.6.6.72:3309/test --username root --password root123 --table roles_hbase --export-dir /warehouse/tablespace/managed/hive/hive_export/base_0000003 --input-fields-terminated-by ',' -m 1

查看mysql中的roles_hbase表，数据成功被导入。

备注：在创建表的时候，一定要注意表字段的类型，如果指定表类型不一致，有可能会报错。

3. 总结

使用 Sqoop import / export 命令，可以实现将关系型数据库中的数据与 Hadoop 中的数据进行相互转化，其中一些转化的细节，可以指定参数实现。在执行过程中，sqoop shell 操作会转化为 MapReduce 任务来实现数据的抽取。

更多的sqoop操作，详情请参见：http://sqoop.apache.org/docs/1.4.7/SqoopUserGuide.html

二、FAQ

1. Sqoop将Mysql数据导入到Hive中，出现类似卡住的现象

问题描述：

如下图所示：

问题分析：

在 Hive 3 的版本中，进入 hive 命令行需要执行输入用户名和密码。猜测流程被卡住的原因正是缺少用户名和密码的输入。

解决办法：

编辑所在主机的beeline-site.xml文件，执行如下命令：

vim /etc/hive/conf/beeline-site.xml

在 beeline.hs2.jdbc.url.container 配置值末尾增加登陆 hive 的用户名和密码，比如： user=hive;password=hive，如下图所示：

保存修改后，无需重启Hive服务，直接生效。此时则可以再次执行Sqoop相关命令进行尝试。

参考链接：https://community.hortonworks.com/questions/214980/sqoop-import-hung-hive-import-hdp-300.html

2. ERROR tool.ImportTool: Import failed: java.io.IOException: Hive exited with status 2

问题描述：

执行 Sqoop 命令将 Mysql 数据导入 Hive 过程中，出现错误，错误信息如下图所示：

问题分析：

程序在进入Hive以后报错，怀疑Sqoop将数据插入目标表中报错，有可能为用户权限问题。

解决办法：

将执行Sqoop shell的用户切换为hive用户，执行如下命令：

su - hive

3. 查询hive外部表数据并将查询结果插入到hive内部表失败

问题描述：

查询hive外部表数据并将查询结果插入到hive内部表失败，出现KeeperErrorCode = NoNode for /hbase/meta-region-server的错误，如下图所示：

问题分析：

经过分析报错，发现提示找不到/hbase/meta-region-server这个zookeeper节点。HBase的zookeeper.znode.parent属性值为/hbase-unsecure，自然找不到/hbase/meta-region-server节点而报错。

解决方法：

整体思路就是添加 zookeeper.znode.parent 到 Hive 配置中。

• 方法一(临时)：

su – hivehive -hiveconf zookeeper.znode.parent=/hbase-unsecure

• 方法二(永久)：

打开管理系统的Hive配置页面，点击 “高级配置 > 自定义hive-site”，添加zookeeper.znode.parent属性，添加后如下图所示：

修改后保存配置，并重启 Hive 服务。

---

--END--

码字不易，如果您觉得文章写得不错，请关注作者~ 您的关注是我写作的最大动力

友情提示：原文排版精美，可点击分享链接查看。

码字不易，如果感觉本文对您有帮助，请点赞或订阅支持一下，您的支持是我坚持写作最大的动力，谢谢！