Sqoop
# Sqoop简介
Sqoop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。
Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop独立成为一个Apache (opens new window)项目。
Sqoop2的最新版本是1.99.7。请注意，2与1不兼容，且特征不完整，它并不打算用于生产部署。
# 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
# Sqoop安装
上传解压安装包
重命名配置文件
mv sqoop-env-template.sh sqoop-env.sh1修改配置文件
export HADOOP_COMMON_HOME=/opt/module/hadoop-3.1.3 export HADOOP_MAPRED_HOME=/opt/module/hadoop-3.1.3 export HIVE_HOME=/opt/module/hive-3.1.2 export ZOOKEEPER_HOME=/opt/module/zookeeper export ZOOCFGDIR=/opt/module/zookeeper export HBASE_HOME=/opt/module/hbase-1.3.11
2
3
4
5
6拷贝JDBC驱动
cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/1验证Sqoop
bin/sqoop help1测试Sqoop连接数据库
bin/sqoop list-databases --connect jdbc:mysql://192.168.111.10:3306/ --username root --password prinfo1
列出数据库
# 案例
# MySQL到HDFS
MysSQL上创建表和导入数据
create database company; create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255)); insert into company.staff(name, sex) values('Thomas', 'Male'); insert into company.staff(name, sex) values('Catalina', 'FeMale');1
2
3
4
5
6全部导入
bin/sqoop import \ --connect jdbc:mysql://192.168.111.10:3306/company \ --username root \ --password prinfo \ --table staff \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t"1
2
3
4
5
6
7
8
9查询导入
bin/sqoop import \ --connect jdbc:mysql://192.168.111.10:3306/company \ --username root \ --password prinfo \ --target-dir /user/company2 \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --query 'select name,sex from staff where id <=1 and $CONDITIONS;'1
2
3
4
5
6
7
8
9提示：must contain '$CONDITIONS' in WHERE clause.
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。
导入指定列
bin/sqoop import \ --connect jdbc:mysql://192.168.111.10:3306/company \ --username root \ --password prinfo \ --target-dir /user/company3 \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --columns id,sex \ --table staff1
2
3
4
5
6
7
8
9
10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
使用sqoop关键字筛选查询导入数据
bin/sqoop import \ --connect jdbc:mysql://192.168.111.10:3306/company \ --username root \ --password prinfo \ --target-dir /user/company4 \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --table staff \ --where "id=1"1
2
3
4
5
6
7
8
9
10
# MySQL到Hive
bin/sqoop import \
--connect jdbc:mysql://192.168.111.10:3306/company \
--username root \
--password prinfo \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive
2
3
4
5
6
7
8
9
10
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，第一步默认的临时目录是/user/atguigu/表名
# MySQL到HBase
bin/sqoop import \
--connect jdbc:mysql://192.168.111.10:3306/company \
--username root \
--password prinfo \
--table company \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id
2
3
4
5
6
7
8
9
10
11
12
提示：sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能
解决方案手动创建表
# 数据导出
# HIVE/HDFS到MySQL
bin/sqoop export \
--connect jdbc:mysql://192.168.111.10:3306/company \
--username root \
--password prinfo \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"
2
3
4
5
6
7
8
提示：Mysql中如果表不存在，不会自动创建
# 打包脚本
使用opt格式的文件打包sqoop命令，然后执行
创建一个.opt文件
mkdir opt touch opt/job_HDFS2RDBMS.opt1
2编写sqoop脚本
export --connect jdbc:mysql://192.168.111.10:3306/company --username root --password prinfo --table staff --num-mappers 1 --export-dir /user/company --input-fields-terminated-by "\t"1
2
3
4
5
6
7
8
9
10
11
12
13
14
15执行脚本
bin/sqoop --options-file opt/job_HDFS2RDBMS.opt1