大数据面试之Sqoop

墨蓝 2023-02-17 15:55 3阅读 0赞

### 大数据面试之Sqoop ###

*  1.Sqoop
 *   *  1.1 Sqoop架构？如何启动访问？
     *  1.2 导入数据
     *   *  1.2.1 MySQL=> Hive
         *  1.2.2 Oracle=> Hive
         *  1.2.3 Sqoop import原理
     *  1.3 导出数据
     *   *  1.3.1 Hive(HDFS)=>MySQL
         *  1.3.2 Sqoop export 原理

说明，感谢亮哥长期对我的帮助，此处多篇文章均为亮哥带我整理。以及参考诸多博主的文章。如果侵权，请及时指出，我会立马停止该行为；如有不足之处，还请大佬不吝指教，以期共同进步。

# 1.Sqoop #

## 1.1 Sqoop架构？如何启动访问？ ##

Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，可以将一个关系型数据库（例如 ： MySQL ,Oracle 等）中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。

![image][]

## 1.2 导入数据 ##

### 1.2.1 MySQL=> Hive ###

MySQL=> Hive (MySQL数据导入进Hive)
    1.将指定的mysql表迁移到Hive中
    sqoop import --hive-import --connect jdbc:mysql://192.168.1.1/dbname --table ${tablename} --username ${username} --password ${password} --hive-database${dbname} -m 1 --as-parquetfile
    例如:
    sqoop import --hive-import --connect jdbc:mysql://172.16.16.15/test --table person --username mdba --password dsf0723 --hive-database test -m 1 --as-parquetfile
    
    2.将mysql指定库中的所有表迁移到Hive中
    sqoop import-all-tables --hive-import --connect jdbc:mysql://192.168.1.1/dbname --username ${username} --password ${password} --hive-database ${dbname} -m 1  --hive-database anhui --as-parquetfile

### 1.2.2 Oracle=> Hive ###

-Oracle => Hbase  将上述命令中的jdbc:mysql:改为jdbc:oracle:thin
    例如:
    sqoop import --hive-import --connect jdbc:oracle:thin:@172.16.16.16:1523:orcl --table test --username cq2017 --password cq2017 --hive-database chongqing_2017 --hive-table test_20170505 -m 1 --as-parquetfile

### 1.2.3 Sqoop import原理 ###

从传统数据库获取元数据信息(schema、table、field、field type)，把导入功能转换为只有Map的Mapreduce作业，在mapreduce中有很多map，每个map读一片数据，进而并行的完成数据的拷贝
    
    Sqoop 在 import 时，需要制定 split-by 参数。
    Sqoop 根据不同的 split-by参数值 来进行切分, 然后将切分出来的区域分配到不同 map 中。每个map中再处理数据库中获取的一行一行的值，写入到 HDFS 中。同时split-by 根据不同的参数类型有不同的切分方法，如比较简单的int型，Sqoop会取最大和最小split-by字段值，然后根据传入的 num-mappers来确定划分几个区域。

## 1.3 导出数据 ##

### 1.3.1 Hive(HDFS)=>MySQL ###

从Hive(HDFS)=>MySQL  (从Hive导入进MySQL)
    sqoop export --connect jdbc:mysql://192.168.1.1:3306/dbname --username root
    --password 123 --export-dir ‘hive表hdfs文件文件存放路径’ --table mysqltablename  -m 1 --fields-termianted-by '\t'
    --MysqlTableName 必须是提前创建好的，且数据字段和字段类型,分隔符的设定与Hive中一致
    --Hive中没有特殊的分隔符要求的话，默认分隔符是/u0001 不用加命令项 --fields-termianted-by ‘\t’ 
    -- hive表hdfs文件文件存放路径  /user/hive/warehouse/库名/表名

### 1.3.2 Sqoop export 原理 ###

获取导出表的schema、meta信息，和Hadoop中的字段match；多个map only作业同时运行，完成hdfs中数据导出到关系型数据库中介绍Hadoop业务的开发流程以及Sqoop在业务当中的实际地位
    在实际的业务当中，我们首先对原始数据集通过MapReduce进行数据清洗，然后将清洗后的数据存入到Hbase数据库中，而后通过数据仓库Hive对Hbase中的数据进行统计与分析，分析之后将分析结果存入到Hive表中，然后通过Sqoop这个工具将我们的数据挖掘结果导入到MySql数据库中，最后通过Web将结果展示给客户。
    ![image](https://img-blog.csdnimg.cn/20190709110009266.png)

[参考][Link 1]  
[参考][Link 2]  
[参考][Link 3]

[image]: https://imgconvert.csdnimg.cn/aHR0cDovL2ltZy5ibG9nLml0cHViLm5ldC9ibG9nL2F0dGFjaG1lbnQvMjAxNzAzLzkvMTU0OThfMTQ4OTAzNTQ0MTRaaUYuanBn?x-oss-process=image/format,png
[Link 1]: https://blog.csdn.net/Arne_/article/details/95175171
[Link 2]: https://blog.csdn.net/weixin_34019144/article/details/91894145
[Link 3]: http://blog.itpub.net/15498/viewspace-2134988/