目錄
4.2.1 Hive/HDFS到RDBMS(本質上都是HDFS到RDBMS)
1 Sqoop簡介
Apache Sqoop(TM)是一種旨在有效地在Apache Hadoop和諸如關係數據庫等結構化數據存儲之間傳輸大量數據的工具。
核心的功能有兩個:
導入:MySql、Oracle等導入數據到hadoop的HDFS、Hive、Hbase等數據存儲系統
導出:從Hadoop的文件系統導出數據到關係型數據庫mysql等
Sqoop本質上還是一個命令行工具,和HDFS、Hive相比,並沒有什麼高深的理論
sqoop工具:本質上就是遷移數據,將sqoop遷移命令轉換爲MR程序,不過並沒有reduce task,因爲不需要合併數據
hive工具:本質就是執行計算,依賴於HDFS存儲數據,把HQL轉換成MR程序
2 工作原理
將導入或導出命令轉換成MAapReduce程序實現。
在轉換出的MapReduce中主要是對InputFormat和OutputFormat進行定製
3 Sqoop安裝
安裝sqoop的前提是已經具備Java和Hadoop的環境。
3.1 下載解壓
1. 清華鏡像下載:https://mirrors.tuna.tsinghua.edu.cn/apache/sqoop/
網盤鏈接:請點這裏 提取碼:cmya
2. 將安裝包上傳到虛擬機中,如/opt/software
3. 解壓sqoop安裝包到指定的目錄
$ tar -zxf sqoop-1.4.6.bin_hadoop-2.0.4-alpha.tar.gz -C /opt/module/
3.2 修改配置文件
在sqoop中的conf目錄下
1. 重命名配置文件
$ cp sqoop-env-template.sh sqoop-env.sh
$ cp sqoop-site-template.xml sqoop-site.xml
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/apache-hive-1.2.2-bin
#export HBASE_HOME=/opt/module/hbase
#export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf
3.3 拷貝JDBC驅動
拷貝jdbc驅動到sqoop的lib目錄下,如:
$ cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/
3.4 驗證Sqoop
$bin/sqoop help
省略一些警告信息,出現下面內容
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 informationSee 'sqoop help COMMAND' for information on a specific command.
3.5 驗證sqoop是否能夠連接上數據庫
$ bin/sqoop list-databases --connect jdbc:mysql://hadoop101:3306/ --username root --password 123456
省略警告信息,出現如下輸出:
information_schema
company
metastore
mysql
performance_schema
test
4 Sqoop案例
4.1 導入數據
在Sqoop中,“導入”概念指:從非大數據集羣(RDBMS)向大數據集羣(HDFS、Hive、Hbase)中傳輸數據,使用import關鍵字
4.1.1 RDBMS到HDFS
1. 確定mysql服務開啓正常
2. 在mysql新建一張表並插入一些數據
$ mysql -uroot -p123456
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. 導入數據
(1)全部導入(\ 表時未輸入完)
$ bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
如果指定num-mappers>1,那麼需要同時配置split-by,以便程序進行maptask切片
bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 2 \
--split-by id \
--fields-terminated-by "\t"
(2)查詢導入
$ bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/company \
--username root \
--password 123456 \
--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.
提示:--query選項,不能同時與--table選項使用
(3)導入指定列
$ bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff
提示:columns中如果涉及到多列,用逗號分隔,分隔時不要添加空格
4.1.3 RDBMS到Hive
$ bin/sqoop import \
--connect jdbc:mysql://hadoop101:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive
提示:該過程分爲兩步,第一步將數據導入到HDFS,第二步將導入到HDFS的數據遷移到Hive倉庫
4.2 導出數據
在Sqoop中,“導出”概念指:從大數據集羣(HDFS,HIVE,HBASE)向非大數據集羣(RDBMS)中傳輸數據,使用export關鍵字。
4.2.1 Hive/HDFS到RDBMS(本質上都是HDFS到RDBMS)
$ bin/sqoop export \
--connect jdbc:mysql://hadoop101:3306/company \
--username root \
--password 123456 \
--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,不會自動創建,所以需要提前創建好表
4.3 腳本打包
使用opt格式的文件打包sqoop命令,然後執行
$ touch job_HDFS2RDBMS.opt //創建一個.opt文件
$ vim opt/job_HDFS2RDBMS.opt //編寫腳本
export
--connect jdbc:mysql://hadoop101:3306/company
--username root
--password 123456
--table staff
--num-mappers 1
--export-dir /user/hive/warehouse/staff_hive
--input-fields-terminated-by "\t"
$ bin/sqoop --options-file /opt/module/datas/job_HDFS2RDBMS.opt //執行腳本