一、Sqoop简介
Apache Sqoop(TM)是一种旨在有效地在Apache Hadoop和诸如关系数据库等结构化数据存储之间传输大量数据的工具。Sqoop于2012年3月孵化出来,现在是一个顶级的Apache项目。请注意,1.99.7与1.4.6不兼容,且没有特征不完整,它并不打算用于生产部署。
二、Sqoop原理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。
三、Sqoop安装
安装Sqoop的前提是已经具备Java和Hadoop的环境。
3.1、下载并解压
1)最新版下载地址:
http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
2)上传安装包
sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
到虚拟机中,如我的上传目录是:
/home/admin/softwares/installation
3)解压sqoop安装包到指定目录,如:
$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C ~/modules/
3.2、修改配置文件
Sqoop的配置文件与大多数大数据框架类似,在sqoop根目录下的conf目录中。
1)
重命名配置文件
$ mv sqoop-env-template.sh sqoop-env.sh
$ mv sqoop-site-template.xml sqoop-site.xml
2)
修改配置文件
sqoop-env.sh
export HADOOP_COMMON_HOME= /opt/module/hadoop-2.7.2
export HADOOP_MAPRED_HOME= /opt/module/hadoop-2.7.2
export HIVE_HOME= /opt/module/hive
export ZOOKEEPER_HOME= /opt/module/zookeeper-3.4.10
export ZOOCFGDIR= /opt/module/zookeeper-3.4.10/conf
3.3、拷贝JDBC驱动拷贝jdbc驱动到sqoop的lib目录下,如:
$ cp -a mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib
3.4、验证Sqoop
我们可以通过某一个command来验证sqoop配置是否正确:
$ bin/sqoop help
出现一些Warning
警告(警告信息已省略),并伴随着帮助命令的输出:
Available commands:
codegen Generate code to interact with database records
create-hive-table Import a table definition into Hive
eval Evaluate a SQL statement and display the results
export Export an HDFS directory to a database table
help List available commands
import Import a table from a database to HDFS
import-all-tables Import tables from a database to HDFS
version Display version information
·····
3.5、测试Sqoop是否能够成功连接数据库
$ bin/sqoop list-databases --connect jdbc:mysql://hadoop104:3306/ --username root --password
000000
出现如下输出:
information_schema
metastore
mysql
performance_schema
四、Sqoop的简单使用案例
4.1、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。
4.1.1、RDBMS到HDFS
1)确定Mysql服务开启正常
2)在Mysql中新建一张表并插入一些数据
$ mysql -uroot -p000000
mysql> create database company;
mysql>create table company.staff(id int(4) primary key not null auto_increment, namevarchar(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://hadoop104:3306/company \
--username root \
--password 000000 \
--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://hadoop104:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=5 and $CONDITIONS;'
特别提示:must contain '$CONDITIONS' in WHERE clause.
特别提示: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。
(3)导入指定列
$ bin/sqoop import \
--connect jdbc:mysql://hadoop104:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff
特别提示: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://hadoop104:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=2"
特别提示: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。
4.1.2、RDBMS到Hive
$ bin/sqoop import \
--connect jdbc:mysql://hadoop104:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive
特别提示: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
特别提示:第一步默认的临时目录是/user/admin/表名
4.2、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。
4.2.1、HIVE/HDFS到RDBMS
$ bin/sqoop export \
--connect jdbc:mysql://hadoop104:3306/company \
--username root \
--password 000000 \
--export-dir /user/hive/warehouse/staff_hive \
--table staff \
--num-mappers 1 \
--input-fields-terminated-by "\t"
特别提示:Mysql中如果表不存在,不会自动创建
4.3、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.opt文件
$ mkdir opt
$ touch
opt/job_HDFS2RDBMS.opt
2)编写sqoop脚本
$ vi opt/job_HDFS2RDBMS.opt
export
--connect
jdbc:mysql://hadoop104:3306/company
--username
root
--password
000000
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"
3)执行该脚本
$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt