大数据入门第十二天——sqoop入门

一、概述

　　1.sqoop是什么

　　　　从其官网：http://sqoop.apache.org/ 

　　Apache Sqoop(TM) is a tool designed for efficiently transferring bulk data between Apache Hadoop and structured datastores such as relational databases

　　　　中文来说，就是：

sqoop是apache旗下一款“Hadoop和关系数据库服务器之间传送数据”的工具。

　　导入数据：MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统；

　　导出数据：从Hadoop的文件系统中导出数据到关系数据库

　　　　简而言之，sqoop是一个数据迁移工具！

　　2.主要原理　　

　　　　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

二、安装与配置

　　　　1.准备

　　　　　　本地具备java与hadoop环境，下载sqoop，下载地址：http://archive.apache.org/dist/sqoop/1.4.6/

　　　　　　// 这里的Alpha表示的是内测版

　　　　　　将下载的sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz上传到服务器

　　　　2.解压

[hadoop@mini1 ~]$ tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz 

　　　　// 位置可以按照自己的习惯进行定义

[hadoop@mini1 ~]$ mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha sqoop

　　　　3.修改配置文件

[hadoop@mini1 ~]$ cd sqoop/
[hadoop@mini1 sqoop]$ cd conf/
[hadoop@mini1 conf]$ mv sqoop-env-template.sh sqoop-env.sh

　　　　通过which/whereis 定位一下hadoop等目录

　　　　打开 sqoop-env.sh，修改以下几项（打开注释，添加相关值）：

export HADOOP_COMMON_HOME=/home/hadoop/apps/hadoop-2.6.4/ 
export HADOOP_MAPRED_HOME=/home/hadoop/apps/hadoop-2.6.4/
export HIVE_HOME=/home/hadoop/apps/hive-1.2.1

　　　　4.加入Mysql的jdbc驱动包

　　　　　　由于我们是向MySQL导数据，所以需要的是对应的驱动包到Lib目录（这里就直接从hive里面拿了）

[hadoop@mini1 sqoop]$ cp ~/apps/hive-1.2.1/lib/mysql-connector-java-5.1.42.jar ./lib/

　　　　5.验证启动　　　　　

[hadoop@mini1 sqoop]$ bin/sqoop

　　　　// 如果配置了环境变量，将可以直接通过sqoop启动

　　　　6.查看帮助

[hadoop@mini1 sqoop]$ bin/sqoop help

usage: sqoop COMMAND [ARGS]

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
  import-mainframe   Import datasets from a mainframe server to HDFS
  job                Work with saved jobs
  list-databases     List available databases on a server
  list-tables        List available tables in a database
  merge              Merge results of incremental imports
  metastore          Run a standalone Sqoop metastore
  version            Display version information

See 'sqoop help COMMAND' for information on a specific command.

三、sqoop数据导入

　　“导入工具”导入单个表从RDBMS到HDFS。表中的每一行被视为HDFS的记录。所有记录都存储为文本文件的文本数据（或者Avro、sequence文件等二进制数据） 

　　1.数据库导入HDFS

　　　　1.语法

$ sqoop import (generic-args) (import-args) 

　　// 完整参数，参考：http://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html#_literal_sqoop_import_literal

　　　　2.示例

bin/sqoop import 
--connect jdbc:mysql://mini1:3306/test 
--username root 
--password Zcc170821# 
--table girl 
--m 1

　　　-m,--num-mappers <n> Use n map tasks to import in parallel，其他完整参数，参考文档

　　　未指定--target-dir /user/sqoop/test1 则默认为/user/hadoop/表名，这里可以进行在HDFS上的查看：

[hadoop@mini1 lib]$ hadoop fs -cat /user/hadoop/girl/part-m-00000

　　2.导入关系表到Hive

　　　　其实基本上是从数据库到hdfs,再Load到hive的表，不过这里可以一步到位了

bin/sqoop import 
--connect jdbc:mysql://mini1:3306/test 
--username root 
--password Zcc170821# 
--table girl 
--target-dir /user/hadoop/girl2 
--hive-import 
--m 1

　

　　　3.导入数据子集

　　　　有时候只想导入数据表中的一部分数据，可以通过where来进行过滤筛选：

bin/sqoop import 
--connect jdbc:mysql://mini1:3306/test 
--username root 
--password Zcc170821# 
--where "id > 5" 
--target-dir /user/hadoop/girl3 
--table girl 
--m 1

　　　　当然，如果单纯where无法满足，可以使用自定义的query语句来筛选：——注意只要写了where则后面的 and $CONDITIONS是死的，必须这么写！

bin/sqoop import 
--connect jdbc:mysql://mini1:3306/test 
--username root 
--password Zcc170821# 
--query "select * from girl where name='11' and id>6 and $CONDITIONS" 
--target-dir /user/hadoop/girl3 
--table girl 
--m 1

　　　　也可以使用split by来指定切片字段，这样就结合--m参数分配了

--split-by id 
--m 1

　　　　或者指定字段的分隔符，这样到HDFS就是这个分割符了。这样以后建表从hive映射就使用这个分隔符了：

--fields-terminated-by <char>

　　4.增量导入　

　　　　增量导入（ Incremental Imports）是仅导入新添加的表中的行的技术。

　　　 它需要添加‘incremental’, ‘check-column’, 和 ‘last-value’选项来执行增量导入

bin/sqoop import 
--connect jdbc:mysql://mini1:3306/test 
--username root 
--password Zcc170821# 
--table girl --m 1 
--target-dir /user/hadoop/girl4 
--incremental append 
--check-column id 
--last-value 12

　　　//　如果不想一直因为已经存在target-dir而新建，可以使用参数delete-target-dir，这样就会自动删除已经存在的目录了！请选择性使用

　　这样，targer-dir里面就是新增的数据了：

[hadoop@mini1 lib]$ hadoop fs -cat /user/hadoop/girl4/part-m-00000
13,22,aa
14,23,bb

 四、sqoop数据导出　

　　　1.从HDFS中导出

　　　将数据从HDFS导出到RDBMS数据库

　　导出前，目标表必须存在于目标数据库中。

　　　　默认操作是从将文件中的数据使用INSERT语句插入到表中

　　　　更新模式下，是生成UPDATE语句更新表数据

 　　1.手动创建目标表

两种方法复制表结构：
1.create table B as select * from A where 1=2; 
或者： 
2.create table B like A;

　　这里就复制上面的girl的表结构了

　　2.执行导出命令

bin/sqoop export 
--connect jdbc:mysql://mini1:3306/test 
--username root 
--password Zcc170821# 
--table girl2 
--export-dir /user/hadoop/girl/

　　如果文件不是默认的,分隔符，则添加指定参数：

--fields-terminated-by '	'

　　2.sqoop作业

　　　　sqoop也支持作业的形式

　　　　　　--create创建

bin/sqoop job --create myimportjob -- import --connect jdbc:mysql://hdp-node-01:3306/test --username root --password root --table emp --m 1

　　　　　　--list查看

$ sqoop job --list

　　　　　　--show查看

$ sqoop job --show myjob

　　　　　　--exec执行

$ sqoop job --exec myjob
它会显示下面的输出。
10/08/19 13:08:45 INFO tool.CodeGenTool: Beginning code generation 
...

　　　　但是我们可以用shell脚本的方式来运行调度，所以这个意义并不是很大.