大数据必学框架-Sqoop

本是古典何须时尚 2023-10-04 16:44 2阅读 0赞

## 大数据必学框架-Sqoop ##

### 一、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项目。

### 二、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。

### 三、Sqoop 安装 ###

**安装 Sqoop 的前提是已经具备 Java 和 Hadoop 的环境。**

#### 1、下载并解压 ####

1.  下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
2.  上传安装包 sqoop-1.4.6.binhadoop-2.0.4-alpha.tar.gz 到虚拟机中
3.  解压 sqoop 安装包到指定目录，如：

$ tar -zxf sqoop-1.4.6.binhadoop-2.0.4-alpha.tar.gz -C /opt/module/

#### 2、修改配置文件 ####

Sqoop 的配置文件与大多数大数据框架类似，在 sqoop 根目录下的 conf 目录中。

**1) 重命名配置文件**

$ mv sqoop-env-template.sh sqoop-env.sh

**2)修改配置文件**

**sqoop-env.sh**

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2 
    export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2 
    export HIVE_HOME=/opt/module/hive 
    export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10 
    export ZOOCFGDIR=/opt/module/zookeeper-3.4.10 
    export HBASE_HOME=/opt/module/hbase

#### 3、拷贝 JDBC 驱动 ####

**拷贝 jdbc 驱动到 sqoop 的 lib 目录下，如：**

$  cp  mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/

#### 4、验证 Sqoop ####

我们可以通过某一个 command 来验证 sqoop 配置是否正确：

$ bin/sqoop help

出现一些 Warning 警告（警告信息已省略），并伴随着帮助命令的输出：

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

#### 5、测试 Sqoop 是否能够成功连接数据库 ####

$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 000000

### 四、Sqoop 的简单使用案例 ###

#### 1、导入数据 ####

在 Sqoop 中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用 import 关键字。

##### RDBMS 到 HDFS #####

**1) 确定 Mysql 服务开启正常**

**2) 在 Mysql 中新建一张表并插入一些数据**

$ mysql -uroot -p000000 
    mysql> create database company; 
    mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255)); 
    mysql> insert into company.staff(name, sex) values('Thomas', 'Male'); 
    mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');

**3) 导入数据**

**（1 ）全部导入**

$ bin/sqoop import \ 
    --connect jdbc:mysql://hadoop102:3306/company \ 
    --username root \ 
    --password 000000 \ 
    --table staff \ 
    --target-dir /user/company \ 
    --delete-target-dir \ 
    --num-mappers 1 \ 
    --fields-terminated-by "\t"

**（2 ）查询导入**

$ bin/sqoop import \ 
    --connect jdbc:mysql://hadoop102:3306/company \ 
    --username root \ 
    --password 000000 \ 
    --target-dir /user/company \ 
    --delete-target-dir \ 
    --num-mappers 1 \ 
    --fields-terminated-by "\t" \ 
    --query 'select name,sex from staff where id <=1 and $CONDITIONS;'

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。

**（3 ）导入指定列**

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  
**（4 ）使用 sqoop 关键字筛选查询导入数据**

##### RDBMS 到 Hive #####

$ bin/sqoop import \ 
    --connect jdbc:mysql://hadoop102:3306/company \ 
    --username root \ 
    --password 000000 \ 
    --table staff \ 
    --num-mappers 1 \ 
    --hive-import \ 
    --fields-terminated-by "\t" \ 
    --hive-overwrite \ 
    --hive-table staff_hive

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/gis/表名

##### RDBMS 到 Hbase #####

$ bin/sqoop import \ 
    --connect jdbc:mysql://hadoop102:3306/company \ 
    --username root \ 
    --password 000000 \ 
    --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

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

#### 2、导出数据 ####

在 Sqoop 中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用 export 关键字。

##### HIVE/HDFS 到 RDBMS #####

$ bin/sqoop export \ 
    --connect jdbc:mysql://hadoop102:3306/company \ 
    --username root \ 
    --password 000000 \ 
    --table staff \ 
    --num-mappers 1 \ 
    --export-dir /user/hive/warehouse/staff_hive \ 
    --input-fields-terminated-by "\t"

提示：Mysql 中如果表不存在，不会自动创建

#### 脚本打包 ####

使用 opt 格式的文件打包 sqoop 命令，然后执行

**1) 创建一个.opt 文件**

$ mkdir opt 
    $ touch opt/job_HDFS2RDBMS.opt

**2) 编写 sqoop 脚本**

$ vi opt/job_HDFS2RDBMS.opt

export 
    --connect 
    jdbc:mysql://hadoop102:3306/company 
    --username 
    root 
    --password 
    000000 
    --table 
    staff 
    --num-mappers 
    1 
    --export-dir 
    /user/hive/warehouse/staff_hive 
    --input-fields-terminated-by 
    "\t"

**3) 执行该脚本**

$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt