Sqoop学习笔记

news2024/11/22 6:46:51

1 简介

Sqoop是Apache下的一款数据传输工具，用于Hadoop和关系型数据库等结构化数据存储之间的数据传输。

最新的稳定版本是1.4.7,Sqoop2 的最新版本是 1.99.7。请注意，1.99.7 与 1.4.7不兼容，且没有特征不完整，也并不打算用于生产部署。

导入数据(import)：RDBMS（mysql、Oracle）--->Hadoop(HDFS、Hive、HBase)

导出数据(export)：Hadoop(HDFS、Hive)---->RDBMS

2 原理

Hive本质：执行mr程序，依赖hdfs存储数据，把sql转换成mr程序。

sqoop本质：数据迁移。

迁移方式：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，可自定义多个format。

Hadoop中只用hdfs，去掉yarn和mapreduce框架，与spark结合使用，加速执行。

3 安装

软件：

sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz

mysql-connector-java-5.1.46-bin.jar

解压：

[root@master src]# tar -xvfsqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /usr/local/

[root@master local]# mvsqoop-1.4.6.bin__hadoop-2.0.4-alpha/ sqoop-1.4.6

环境变量配置

vim /etc/profile(工作中使用单用户目录)

#####################sqoop

export SQOOP_HOME=/usr/local/sqoop-1.4.6

export PATH=$PATH:$SQOOP_HOME/bin

配置sqoop文件

[root@master conf]# cpsqoop-env-template.sh sqoop-env.sh

[root@master conf]# vim sqoop-env.sh

#Set path to where bin/hadoop is available

exportHADOOP_COMMON_HOME=/usr/local/hadoop-2.8.4

#Set path to where hadoop-*-core.jar isavailable

exportHADOOP_MAPRED_HOME=/usr/local/hadoop-2.8.4

#set the path to where bin/hbase isavailable

export HBASE_HOME=/usr/local/hbase-0.98.6

#Set the path to where bin/hive isavailable

export HIVE_HOME=/usr/local/hive-1.2.2

#Set the path for where zookeper config diris

export ZOOCFGDIR=/usr/local/zookeeper-3.4.5

配置bin目录下的configure-sqoop

注释135-147，就是hadoop,hbase等的日志干扰

拷贝jar包

[root@master lib]# cp -a/usr/local/src/mysql-connector-java-5.1.46/mysql-connector-java-5.1.46-bin.jar .

查看版本：sqoop version

查看命令：sqoop help

启动hadoop、zookeeper、mysql

连接数据库：

[root@master ~]#sqoop list-databases --connectjdbc:mysql://master:3306/ --username root --password 123456

4 RDBMS导入到Hive

(1) 查询导入数据：查询表中某些数据导入到hdfs中。

先进入数据库，并创建表

mysql> create database company;
mysql> create table company.staff(id int(4) primary key not nullauto_increment, name
varchar(255), sex varchar(255));

插入数据

mysql> insert into company.staff(name, sex)values('Thomas', 'Male');
mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');

全部导入

[root@master ~]#sqoop import \

--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

Target-dir：hdfs目录

num-mappers：map个数，看数据量来定，一个map一个文件

误删：hadoop有个回收站，可以找回来

Mysql数据导入到hdfs，默认的列分隔是“，”，默认的行分隔符是“\n”

查看：

到hdfs中查看/user/company数据

(2) 查询导入数据：查询表中某些数据导入到hdfs中。

[root@master ~]# sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--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;'

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。
--query 选项，不能同时与--table 选项使用

在使用query的时候，后面必须加条件，在任务产生多个map的时候，用条件表示从哪个map开始读取数据

(3) 导入指定列

[root@master ~]# sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \

--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff

columns 中如果涉及到多列，用逗号分隔，分隔时不要添加空格

还可以导入数据的时候先对数据进行修改再导入

(4) 使用sqoop关键字筛选查询导入数据

在 Sqoop 中可以使用 sqoop import -D property.name=property.value 这样的方式加入执行任务的参数，多个参数用空格隔开。

5 RDBMS导入到Hive

[root@master ~]# sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \

--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive

该过程分为两步，第一步将数据导入到 HDFS，默认的临时目录是/user/admin/表名，第二步将导入到 HDFS的数据迁移到 Hive 仓库。

6 Hive/HBase到RDBMS

导出使用export 命令

[root@master ~]# sqoop export \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"

export-dir：数据存放的地址。

Mysql中如果表不存在，不会自动创建。