这里写目录标题
一、Sqoop简介
1.Sqoop概述
传统的应用程序管理系统,即应用程序与使用RDBMS的关系数据库的交互,是产生大数据的来源之一。由RDBMS生成的这种大数据存储在关系数据库结构中的关系数据库服务器中。
当大数据存储和Hadoop生态系统的MapReduce,Hive,HBase,Cassandra,Pig等分析器出现时,他们需要一种工具来与关系数据库服务器进行交互,以导入和导出驻留在其中的大数据。在这里,Sqoop在Hadoop生态系统中占据一席之地,以便在关系数据库服务器和Hadoop的HDFS之间提供可行的交互。
Sqoop - “SQL到Hadoop和Hadoop到SQL”
Sqoop是一个用于在Hadoop和关系数据库服务器之间传输数据的工具。它用于从关系数据库(如MySQL,Oracle)导入数据到Hadoop HDFS,并从Hadoop文件系统导出到关系数据库。它由Apache软件基金会提供。
2、Sqoop如何工作?
下图描述了Sqoop的工作流程。
3、Sqoop导入
导入工具从RDBMS向HDFS导入单独的表。表中的每一行都被视为HDFS中的记录。所有记录都以文本文件的形式存储在文本文件中或作为Avro和Sequence文件中的二进制数据存储。
4、Sqoop导出
导出工具将一组文件从HDFS导出回RDBMS。给Sqoop输入的文件包含记录,这些记录在表中被称为行。这些被读取并解析成一组记录并用用户指定的分隔符分隔。
二、安装sqoop
1.4.7好多东西需要修改不兼容,最好下载1.4 .6 的
http://archive.apache.org/dist/sqoop/1.4.6/
1.下载sqoop
wget http://archive.apache.org/dist/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
2.解压并改名为sqoop ,移出usr
tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
改名
mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha sqoop
将移到/usr
mv sqoop /usr
3.修改sqoop/conf里面的文件
cd /usr/sqoop/conf
(1)修改sqoop-env.sh
复制sqoop-env-template.sh 为sqoop-env.sh
cp sqoop-env-template.sh sqoop-env.sh
修改
vi sqoop-env.sh
添加
export HADOOP_COMMON_HOME=/usr/hadoop
export HADOOP_MAPRED_HOME=/usr/hadoop
export HIVE_HOME=/usr/hive
export ZOOKEEPER_HOME=/usr/zookeeper
export ZOOCFGDIR=/usr/zookeeper
export HBASE_HOME=/usr/hbase
4.拷贝JDBC驱动
cd /usr/sqoop/lib
rz
5、验证sqoop
bin/sqoop help
6.测试Sqoop是否能成功连接数据库
[root@master sqoop]# bin/sqoop list-databases --connect jdbc:mysql://master:3306 --username root --password 123456
三、 Sqoop的简单使用案例
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。
1、RDBMS到HDFS
1)确定Mysql服务开启正常
systemctl start mysqld
2) 登录Mysql,新建一张表并插入一些数据
mysql -uroot -p
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://192.168.100.101:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
(2)查询导入
bin/sqoop import \
--connect jdbc:mysql://192.168.100.101:3306/company \
--username root \
--password 123456 \
--target-dir /user/company01 \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'
提示:must contain '
C
O
N
D
I
T
I
O
N
S
′
i
n
W
H
E
R
E
c
l
a
u
s
e
.
如
果
q
u
e
r
y
后
使
用
的
是
双
引
号
,
则
CONDITIONS' in WHERE clause. 如果query后使用的是双引号,则
CONDITIONS′inWHEREclause.如果query后使用的是双引号,则CONDITIONS前必须加转移符,防止shell识别为自己的变量,即"$CONDITIONS"
(3)导入指定列
bin/sqoop import \
--connect jdbc:mysql://192.168.100.101:3306/company \
--username root \
--password 123456 \
--target-dir /user/company02 \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff
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://192.168.100.101:3306/company \
--username root \
--password 123456 \
--target-dir /user/company03 \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=1"
2、 RDBMS到Hive
bin/sqoop import \
--connect jdbc:mysql://192.168.100.101:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive
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/atguigu/表名
自动创建staff_hive
3 、RDBMS到Hbase
bin/sqoop import \
--connect jdbc:mysql://192.168.100.101:3306/company \
--username root \
--password 123456 \
--table staff \
--columns "id,name,sex" \
--column-family "info" \
--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:启动,手动创建HBase表
[root@master hbase]# bin/hbase shell
hbase> create 'hbase_company','info'
运行:
在HBase中scan这张表得到如下内容
hbase> scan 'hbase_company'
这里版本不兼容,实现不了,后续找到方法再改
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。
HIVE/HDFS到RDBMS
创建 export_staff表
mysql> create table export_staff like staff;
HIVE/HDFS到RDBMS
bin/sqoop export \
--connect jdbc:mysql://192.168.100.101:3306/company \
--username root \
--password 123456 \
--table export_staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
提示:Mysql中如果表不存在,不会自动创建
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job文件
mkdir job
2) 编写sqoop脚本
vi job/sqp.opt
export
--connect
jdbc:mysql://192.168.100.101:3306/company
--username
root
--password
123456
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive_opt
--input-fields-terminated-by
"\t"
3)创建staff_hive_opt
hdfs dfs -mkdir /user/hive/warehouse/staff_hive_opt
4) 执行该脚本
bin/sqoop --options-file job/sqp.opt
3、 中途遇到的坑
**1.**20/06/07 00:12:06 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
20/06/07 00:12:06 ERROR tool.BaseSqoopTool: Error parsing arguments for list-databases:
20/06/07 00:12:06 ERROR tool.BaseSqoopTool: Unrecognized argument: username
20/06/07 00:12:06 ERROR tool.BaseSqoopTool: Unrecognized argument: root
20/06/07 00:12:06 ERROR tool.BaseSqoopTool: Unrecognized argument: --password
20/06/07 00:12:06 ERROR tool.BaseSqoopTool: Unrecognized argument: 123456
Try --help for usage instructions.
原因:忘记打开数据库
解决:
[root@master sqoop]# systemctl start mysqld
2.ERROR manager.SqlManager: Error executing statement: java.sql.SQLException: No database selected
java.sql.SQLException: No database selected原因:MySQL权限不够,解决如下:
mysql> grant all privileges on . to root@192.168.100.101 identified by ‘123456’;
4、Note: System times on machines may be out of sync. Check system time and time zones.原因:master和slave1,2 不同步
解决:
ntpdate master
5、NoSuchMethodError: org.apache.hadoop.hbase.client.HBaseAdmin.(Lorg/apache/hadoop/conf/Configuration;)V
原因:版本不兼容,不能自动创建hbase_company
解决方案:启动,手动创建HBase表
[root@master hbase]# bin/hbase shell
hbase> create 'hbase_company','info'