Sqoop的安装与使用

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 '$CONDITION{S}^{\prime }inWHEREclause.如果query后使用的是双引号，则$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'