大数据技术之Sqoop

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

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值