使用sqoop从MySQL采集数据到HDFS

1. 使用sqoop从MySQL采集数据到HDFS

1.1. sqoop 安装和配置

1.1.1. 下载sqoop

• wget --no-check-certificate https://mirrors.tuna.tsinghua.edu.cn/apache/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz
• 解压缩到 /usr/local/sqoop 下

1.1.2. 安装Mysql驱动程序

• wget --no-check-certificate https://cdn.mysql.com//Downloads/Connector-J/mysql-connector-java-5.1.48.tar.gz
• 将里面的mysql-connector-java-5.1.48-bin.jar 放到sqoop安装目录的 lib下

1.1.3. 加入环境变量

# sqoop 
export SQOOP_HOME=/usr/local/sqoop
export PATH=$SQOOP_HOME/bin:$PATH

1.1.4. 验证安装是否成功

• sqoop list-databases --connect jdbc:mysql://172.20.18.64:3306 --username mysql --password ******
• 如果能看到所有的数据库，则说明配置成功

1.1.5. sqoop 命令行参数

选项	含义说明
--connect <jdbc-uri>	指定JDBC连接字符串
--connection-manager <class-name>	指定要使用的连接管理器类
--driver <class-name>	指定要使用的JDBC驱动类
--hadoop-mapred-home <dir>	指定$HADOOP_MAPRED_HOME路径
--help	打印用法帮助信息
--password-file	设置用于存放认证的密码信息文件的路径
-P	从控制台读取输入的密码
--password <password>	设置认证密码
--username <username>	设置认证用户名
--verbose	打印详细的运行信息
--connection-param-file <filename>	可选，指定存储数据库连接参数的属性文件

1.1.6. sqoop import的参数

选项	含义说明
--append	将数据追加到HDFS上一个已存在的数据集上
--as-avrodatafile	将数据导入到Avro数据文件
--as-sequencefile	将数据导入到SequenceFile
--as-textfile	将数据导入到普通文本文件（默认）
--boundary-query <statement>	边界查询，用于创建分片（InputSplit）
--columns <col,col,col…>	从表中导出指定的一组列的数据
--delete-target-dir	如果指定目录存在，则先删除掉
--direct	使用直接导入模式（优化导入速度）
--direct-split-size <n>	分割输入stream的字节大小（在直接导入模式下）
--fetch-size <n>	从数据库中批量读取记录数
--inline-lob-limit <n>	设置内联的LOB对象的大小
-m,--num-mappers <n>	使用n个map任务并行导入数据
-e,--query <statement>	导入的查询语句
--split-by <column-name>	指定按照哪个列去分割数据
--table <table-name>	导入的源表表名
--target-dir <dir>	导入HDFS的目标路径
--warehouse-dir <dir>	HDFS存放表的根路径
--where <where clause>	指定导出时所使用的查询条件
-z,--compress	启用压缩
--compression-codec <c>	指定Hadoop的codec方式（默认gzip）
--null-string <null-string>	如果指定列为字符串类型，使用指定字符串替换值为null的该类列的值
--null-non-string <null-string>	如果指定列为非字符串类型，使用指定字符串替换值为null的该类列的值

1.2. 执行采集任务

sqoop import --connect jdbc:mysql://**********:3306/****** --username *****--password ****** --table tbl_uc_account --target-dir /dev/rawdata/{项目名称}/表名称 --fields-terminated-by '\t' --delete-target-dir

1.2.1. 批量导入表到HDFS

#!/bin/bash
# 作用：将指定范围的表导入到HDFS

#获取用户输入的命令
cmd=$@

database=$1
cmd_array=($cmd)
cmd_amount=${#cmd_array[*]}
for ((i=1;i<=${cmd_amount};i++))
do
    #使终端变绿色 
    tput setaf 2
    echo ============= 开始导入表:${table} 到HDFS  ============
    tput setaf 7
    table=${cmd_array[$i]}
    sqoop import --connect jdbc:mysql://***.***.***.***:3306/${database} \
      --username *****--password *****--table ${table}  \
      --target-dir /dev/rawdata/{项目名}/${table} \
      --fields-terminated-by '\t' \
      --delete-target-dir

    #判断命令是否执行成功
    if [ $? == 0 ];then
            echo "命令执行成功"
    fi
done

1.2.2. 导入多张表

./sqoop_batch.sh {数据库名} 表1 表2 表3.......