（二）Sqoop使用教程

一.Sqoop简介

Sqoop(发音：skup)是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql...)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

二.Sqoop原理

将导入或导出命令翻译成mapduce程序来实现。在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。

三.下载安装

参照此https://www.cnblogs.com/Agent9527/p/13195068.html进行安装。

四.Sqoop简单使用案例

4.1导入数据

在Sqoop中“导入”是指从非大数据集群（RDBMS）向大数据集群（HDFSHiveHBase）中传输数据，叫做：导入，即使用import关键字。与其相反称之为导出，即使用关键字“export”。

4.2从RDBMS到HDFS

确定Mysql服务开启正常；在Mysql数据库中新建一张表并插入数据。

Mysql建库建表
create database company;
create table company.staff(
id int(4) primary key not null auto_increment,
name varchar(255),
sex varchar(255));
插入测试数据
insert into company.staff(name,sex) values("Thcmas","Male");
insert into company.staff(name,sex) values(‘Catalina’,’ReMale’);

Mysql --> HDFS　　注意：粘贴以下时把“#号”前面的空格以及“#号”后面的内容删掉。

1.全部导入
sqoop import   # 启动sqoop命令 导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 即将导入的表名
--target-dir /路径名/路径名  # 导入的路径(没有HFDS会创建)
--delete-target-dir  # 删除原先已有的表
--num-mappers 1  # map工作数(自己确定就行了)
--fields-terminated-by "	" # 指定分隔符不指定会粘到一块

2.查询select导入
sqoop import   # 启动sqoop导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--target-dir /路径名/路径名  # 导入的路径(没有HFDS会创建？)
--delete-target-dir  # 删除原先已有的表
--num-mappers 1  # map工作数(自己确定就行了)
--fields-terminated-by "	" # 指定分隔符
--query " 列1,列2,列3 from 表 where 列1 <=1 and $CONDITIONS;" # 保证在多个map任务时保证数据顺序前后一致

3.指定columns导入
sqoop import   # 启动sqoop导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 即将导入HDFS的表名
--columns 列1,列2  # 指定列名导出
--target-dir /路径名/路径名  # 导入的路径(没有HFDS会创建？)
--delete-target-dir  # 删除原先已有的表
--num-mappers 1  # map工作数(自己确定就行了)
--fields-terminated-by "	" # 指定分隔符

4.关键字where+columns筛选导入
sqoop import   # 启动sqoop导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 即将导入HDFS的表名
--columns 列1,列2  # 指定列名导入
--where 列1条件  # 指定列条件进行导入
--target-dir /路径名/路径名  # 导入的路径(没有HFDS会创建？)
--delete-target-dir  # 删除原先HDFS已有的表
--fields-terminated-by "	" # 指定分隔符
--num-mappers 1  # map工作数(自己确定就行了)

Mysql --> HDFS --> Hive

sqoop import   # 启动sqoop导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 即将导入HDFS的表名
--columns 列1,列2  # 指定列名导入
--where 列1条件  # 指定列条件进行导入
--hive-import  # 又从HDFS导入hive
--hive-database 库 # 导入的指定库名 
--hive-table 表  # 将要导入的hive表
--hive-overwrite  # 覆盖原先hive已有的表
--fields-terminated-by "	" # 指定分隔
--num-mappers 1  # map工作数(自己确定就行了)这放后面好看点 

RDBMS --> HDFS --> HBase

sqoop import   # 启动sqoop导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 即将导入HDFS的表名
--columns 列1,列2  # 指定列名导入
--where 列1条件  # 指定列条件进行导入
--hbase-create-table  # 是否创建表？
--hbase-table "表名"  # 指定要导入的HBase中的表名
--column-family "hbase列族"  # 指定要导入的HBase表的列族
--hbase-row-key "mysql列"  # 指定mysql中的某一列作为HBase表中的rowkey
--split-by id  # 指定mysql中的某一列作为分区导入。默认是主键
--num-mappers 1  # map工作数(自己确定就行了) 

4.3(从HDFS/Hive导出到RDBMS) HDFS与Hive语法一样

sqoop export   # 启动sqoop导出 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接(固定)导出到mysql的库名
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 导出到mysql的表名
--export-dir /路径名/路径名/路径名  # 从hdfs&hive导出的hive/hdfs文件路径
--input-fields-terminated-by "	"  # 从hdfs&hive导出的指定切割符
--num-mappers 1  # map工作数

五. Shell拓展

可利用shell编写脚本实现；减少麻烦

# vim test.sh  Linux下编译名为test.sh的shell脚本。扩展名并不影响脚本执行，见名知意就好。添加以下内如。
#!/bin/bash  #告诉系统这个脚本需要什么解释器来执行
sqoop import   # 启动sqoop命令 导入 换行符
--connect jdbc:mysql://主机名:3306/库  # 连接（固定）
--username root  # 连接mysql的账号名
--password 密码  # 连接mysql的账号密码
--table 表  # 即将导入的表名
--target-dir /路径名/路径名  # 导入的路径(没有HFDS会创建)
--delete-target-dir  # 删除原先已有的表
--num-mappers 1  # map工作数(自己确定就行了)
--fields-terminated-by "	" # 指定分隔符不指定会粘到一块
:wq  保存退出
chmod +x ./test.sh  #使脚本具有执行权限
./test.sh  #执行脚本