Sqoop

一、Sqoop的简介

SQL To Hadoop，目的是完成关系型数据库导入导出到Hadoop!
Sqoop的原理是将命令翻译为MR执行，MR没有Reduce阶段，只有Map阶段！

二、Sqoop的安装

1.环境配置
可以在/etc/profile中配置，导出为全局变量
或者sqoop-env.sh
配置HADOOP_HOME,HIVE_HOME,HBASE_HOME,ZOOKEEPER_HOME
2.将连接mysql的驱动，拷贝到Sqoop的lib目录
3.测试
bin/sqoop list-databases --connect jdbc:mysql://master:3306/ --username root --password root

三、import

1.import从RDMS将数据迁移到HDFS
2.导入到HDFS
// \代表在shell窗口中换行
bin/sqoop import \
//连接的url
--connect jdbc:mysql://master:3306/mydb \
//用户名
--username root \
// 密码
--password root
//要导哪个数据表的数据
 --table staff \
 //将数据导入到hdfs的哪个路径
 --target-dir /company \
 //如果目标目录存在就删除
 --delete-target-dir \
 //导入到hdfs上时，mysql中的字段使用\t作为分隔符
 --fields-terminated-by "\t" /
 //设置几个MapTask来运行
 --num--mappers 2 \
 // 基于ID列，将数据切分为2片，只有在--num-mappers>1时才需要指定,选的列最好不要有null值，否则null
 // 是无法被导入的！尽量选取主键列，数字列
 --split-by id
 //只导入id和name列
 --column id,name \
 //只导入符合过滤条件的行
 --where 'id>=10 and id<=20' \
 //执行查询的SQL，将查询的数据进行导入，如果使用了--query，不再加用--table，--where,--columns
 //只使用--query,必须添加￥CONDITIONS,这个条件会被Sqoop自动替换成一些表达式
 --query "SQL"

---

bin/sqoop import \
-connect jdbc:mysql://hadoop102:3306/mydb \
--username root \
--password 123456 \
--table t_emp \
 --target-dir /t_emp \
 --delete-target-dir \
 --fields-terminated-by "\t" \
 --num-mappers 2 \
--split-by id \
--columns age,name \
--where 'id >= 5 and id <= 10'

---

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/mydb \
--username root \
--password 123456 \
--query "select * from t_emp where \$CONDITIONS and id >=2" \
--target-dir /t_emp \
--delete-target-dir \
--fields-terminated-by "\t" \
--num-mappers 2 \
--split-by id

3.导入到Hive
Sqoop导入到hive，先将数据导入到HDFS，再将HDFS的数据，load到hive表中！

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
//导入到hive
--hive-import \
//导入到hive表中字段的分隔符
--fields-terminated-by "\t" \
// 是否以insert overwrite方式覆盖导入数据
--hive-overwrite \
// 要导入的hive表的名称，会自动帮助我们建表。建议还是在hive中手动建表，需要注意和mysql表的数据类型匹配
--hive-table staff_hive

---

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/mydb \
--username root \
--password 123456 \
--table t_emp \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table t_emp

4.导入到hbase
目前使用的sqoop1.4.6对应的是低版本的hbase,目前的1.3.0的hbase版本有点高！
在执行导入时，sqoop是可以帮我们自动建表，在使用1.3.0hbase时，建表会失败！
建议手动建表！

bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/mydb \
--username root \
--password 123456 \
--table t_emp \
//如果表不存在，hbase自动建表
--hbase-create-table \
// 导入的表名
--hbase-table "t_emp" \
// mysql的哪一列作为rowkey
--hbase-row-key "id" \
//导入的列族名
--column-family "info" \
--num-mappers 1 \
--split-by id	

四、Sqoop的导出

bin/sqoop export
– connect jdbc:mysql://master:3306/company
–username root
–password 123456
//要导出的mysql的表名
–table staff2
–num -mappers 1
//导出的数据在hdfs上的路径
–export-dir /company
//导出时，基于哪一列判断数据重复
–update-key
//导出的数据的分隔符
–input-fields-terminated-by “\t”

---

bin/sqoop export
–connect ‘jdbc:mysql://master:3306/mydb?useUnicode=true&characterEncoding=utf-8’
–username root
–password root
–table t_emp2
–num-mappers 1
–export-dir /t_emp
–update-key id
–update-mode allowinsert
–input-fields-terminated-by “\t”
在mysql中，执行插入操作时，如果对于某些唯一列，出现了重复的数据，那么会报错Duplicate Key！
此时，对于重复的列，如果希望指定更新其他列的操作，那么可以使用一些写法：
insert into t_emp2 value(6,‘jack’,30,3,100001) on duplicate key update
name=values(name),age=values(age),deptid=values(deptid),empno=values(empno);
在执行export导出操作时，默认的导出语句适用于向一个新的空表导出数据，每一行要导出的记录，都会转换为insert语句执行查询，此时如果说触犯了某些表的某些约束，例如主键的唯一约束，此时insert失败，Job失败！
如果要导入的表已经有数据了，此时可以指定–update-key参数，通过此参数，可以将导入的数据，使用update语句进行导入，此时，只会更新重复的数据，不重复的数据时无法导入的！
如果希望遇到重复的数据，就更新，不重复的数据就新增导入，可以使用–update-key，结合–update-mode(默认为updateonly)=allowinsert.
[mysqld]
log-bin=mysql-bin
重启服务！
SQL命令编写在脚本中，参数名和参数值之间需要换行！

五、总结

1.命令格式
Sqoop export [参数]…
hive和hdfs上的数据可以直接导入到mysql，
hbase的数据需要先运行MR将hbase的数据导出到hdfs，再导出到mysql
普通的expoet导出使用的情况是向一个空表带出数据，如果表中有数据，那么保证导出的数据不会触犯表定义的约束，如果触犯了约束，此时可以使用以下两个参数！
普通的export是将导出的数据使用insert插入到目标表！
----update-key 主题列/唯一列（唯一约束的列）
使用哪一列来判断数据重复
–update-mode
updateonly(默认)：将所有的insert语句转换为update语句，对于重复的数据只更新！
allowinsert：对于重复的数据进行更新，新的数据进行插入到目标表！
2.脚本格式运行
注意：如果以脚本形式运行Sqoop，需要将Sqoop命令编写在配置文件中，配置文件中参数名和参数值之间需要换行！