Sqoop

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

Sqoop是RDBMS和Hadoop之间的一个桥梁RDBMS<<==>>Hadoop

平时说的导入导出都是以Hadoop为基准，即

导入：RDBMS==>>Hadoop

导出：RDBMS<<==Hadoop

http://sqoop.apache.org/

Sqoop底层是通过MapReduce来实现的，而且只有map没有reduce，只负责数据的迁移

一、sqoop-1.4.6-cdh5.7.0部署

1）下载

下载地址：http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.6-cdh5.7.0.tar.gz

2）解压

[hadoop@hadoop001 software]$ tar -zxvf sqoop-1.4.6-cdh5.7.0.tar.gz -C ~/app

3）配环境变量

[hadoop@hadoop001 ~]$ vi .bash_profile

export SQOOP_HOME=/home/hadoop/app/sqoop-1.4.6-cdh5.7.0

export PATH=$SQOOP_HOME/bin:$PATH

[hadoop@hadoop001 ~]$ source .bash_profile

[hadoop@hadoop001 ~]$ which sqoop

~/app/sqoop-1.4.6-cdh5.7.0/bin/sqoop

4）修改sqoop配置文件

[hadoop@hadoop001 ~]$ cd $SQOOP_HOME/conf

[hadoop@hadoop001 conf]$ cp sqoop-env-template.sh sqoop-env.sh

[hadoop@hadoop001 conf]$ vi sqoop-env.sh

export HADOOP_COMMON_HOME=/home/hadoop/app/hadoop-2.6.0

export HADOOP_MAPRED_HOME=/home/hadoop/app/hadoop-2.6.0

export HIVE_HOME=/home/hadoop/app/hive-1.1.0-cdh5.7.0

5）copy  mysql驱动到$SQOOP_HOME/lib

6）查看帮助

[hadoop@hadoop001 bin]$ sqoop help

warning不用管，因为用不到，所以hbase、zookeeper等没有配

[hadoop@hadoop001 bin]$ sqoop version

[hadoop@hadoop001 bin]$ sqoop list-databases \

> --connect jdbc:mysql://localhost:3306 \

> --username root --password 123456

mysql中验证一下：

[hadoop@hadoop001 bin]$ sqoop list-tables \

> --connect jdbc:mysql://localhost:3306/ruozedata_basic03 \

> --username root --password 123456

查看mysql

二、常用命令

1.RDBMS==>HDFS导入   import

1）--connect      

Specify JDBC connect string  指定JDBC连接字符串

2）--username <username>

Set authentication username  设置身份验证的用户名

3）--password <password>

Set authentication password  设置身份验证密码

4）--append

Imports data in append mode  已追加的方式导入数据

5）--as-textfile

Imports data as plain text (default)  导入数据为纯文本(默认)

6）--columns <col,col,col...>

Columns to import from table  选择要从表导入的列

7）--delete-target-dir

Imports data in delete mode  先删除已有的数据，再导入

8）-e,--query <statment>

Import results of SQL 'statement'  导入SQL 'statement'的结果

9）-m,--num-mappers <n>

Use 'n' map tasks to import in parallel 使用n个映射任务并行导入

10）--mapreduce-job-name <name>

Set name for generated mapreduce job  为生成的mapreduce作业设置名称

11）--table <table-name>

Table to read

12）--target-dir <dir> 

HDFS plain table destination

13）--where <where clause>

WHERE clause to use during import

14）--fields-terminated-by  <char>

 Sets the field separator character  设置字段分隔符

15）--lines-terminated-by <char>

 Sets the end-of-line character  设置行尾字符

16）--input-fields-terminated-by <char>

Sets the input field separator  设置输入字段分隔符

 --input-lines-terminated-by <char>

 Sets the input end-of-line char 设置输入的行尾字符

17）--create-hive-table

Fail if the target hive table exists （一般不用）

18）--hive-import

Import tables into Hive  (Uses Hive's default delimiters if none are set.)  将表导入到Hive中(如果没有设置，则使用Hive的默认分隔符)

19）--hive-overwrite

Overwrite existing data in the Hive table

20）--hive-partition-key <partition-key>

Sets the partition key to use when importing to hive

设置在导入hive时使用的分区键

21）--hive-partition-value <partition-value>

Sets the partition value to use when importing to hive

设置在导入到hive时要使用的分区值

实战如下：

1）在mysql中新建一个数据库hivetomysql，并新建一张表emp

create database hivetomysql;

create table emp (

empno int,

ename varchar(100),

job varchar(100),

mgr int,

hiredate varchar(100),

salary double,

comm double,

deptno int);

2）将hive中ruozedata数据库下的ruozedata_emp导出至mysql的表emp中

sqoop export \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

--export-dir \hdfs://192.168.137.141:9000/user/hive/warehouse/ruozedata.db/ruozedata_emp \

--input-fields-terminated-by '\t';

若没有--input-fields-terminated-by '\t'这句，MapReduce会运行失败，报错如下：

MapReduce运行日志保存在$HADOOP_HOME/logs/user logs下，MapReduce报错时可查看相应任务的日志来找到错误

加上--input-fields-terminated-by '\t'这句之后，运行成功

3）将emp表格导入到hadoop

a）

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp;

再次报错，提示表格emp没有主键，需要给emp表格增加主键

mysql> ALTER TABLE emp

    -> ADD PRIMARY KEY (empno);

增加主键后再次执行命令，导入成功

默认的splits是4

[hadoop@hadoop001 ~]$ hadoop fs -ls emp

-rw-r--r-- 1 hadoop supergroup 0 2018-06-18 22:05 emp/_SUCCESS

-rw-r--r--  1 hadoop supergroup        297 2018-06-18 22:05 emp/part-m-00000

-rw-r--r--  1 hadoop supergroup        386 2018-06-18 22:05 emp/part-m-00001

-rw-r--r--  1 hadoop supergroup          0 2018-06-18 22:05 emp/part-m-00002

-rw-r--r--  1 hadoop supergroup        51 2018-06-18 22:05 emp/part-m-00003

果然是被拆分成了四个文件

这15条数据是怎么分配的呢？

##补充：hadoop fs -ls 和hadoop fs -ls /user/hadoop进的是同一目录

b）

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS;

（将split改为2，并把MapReduce的job名称命名为 FromMySQLToHDFS）

报错：ERROR tool.ImportTool: Encountered IOException running import job: org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://192.168.137.141:9000/user/hadoop/emp already exists

emp已经存在

需要加一个语句

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir;

导入成功，并且可以看到number of splits变成了2

打开yarn查看任务

c）

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--columns "empno,ename,job,salary,comm" \

--target-dir EMP_COLUMN;

d）

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--columns "empno,ename,job,salary,comm" \

--target-dir EMP_COLUMN_SPLIT \

--fields-terminated-by '\t' \

--null-string '' --null-non-string '0';

分隔符变为‘\t’（tab键），null变为空，非null字符串变为0

e）

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--columns "empno,ename,job,salary,comm" \

--target-dir EMP_COLUMN_WHERE \

--fields-terminated-by '\t' \

--where 'salary>2000';

f）

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--target-dir EMP_COLUMN_QUERY \

--fields-terminated-by '\t' \

--query 'SELECT * FROM emp WHERE empno>=7566';

报错：Cannot specify --query and --table together.

--query和 --table不可以同时出现，因为query语法里有可能是多表查询

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--target-dir EMP_COLUMN_QUERY \

--fields-terminated-by '\t' \

--query 'SELECT * FROM emp WHERE empno>=7566';

报错：When importing query results in parallel, you must specify --split-by.

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--target-dir EMP_COLUMN_QUERY \

--fields-terminated-by '\t' \

--query 'SELECT * FROM emp WHERE empno>=7566' \

--split-by 'empno';

继续报错： must contain '$CONDITIONS' in WHERE clause.

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

-m 2 \

--mapreduce-job-name FromMySQLToHDFS \

--delete-target-dir \

--target-dir EMP_COLUMN_QUERY \

--fields-terminated-by '\t' \

--query 'SELECT * FROM emp WHERE empno>=7566 AND $CONDITIONS' \

--split-by 'empno';

终于成功了

g）命令封装

上边的例子命令太长了，可否封装到一个脚本里呢？

[hadoop@hadoop001 ~]$ cd shell

[hadoop@hadoop001 shell]$ vi emp.opt

import

--connect

jdbc:mysql://localhost:3306/hivetomysql

--username

root

--password

123456

--table

emp

--delete-target-dir

[hadoop@hadoop001 shell]$ sqoop --options-file emp.opt

2.export                RDBMS<<==HDFS

现在mysql中新建一张表emp_demo，且只需要表结构

mysql> create table emp_demo as select * from emp where 1=2;

[hadoop@hadoop001 bin]$ sqoop export \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--mapreduce-job-name FromHDFSToMySQL \

--table emp_demo \

--export-dir /user/hadoop/emp

3.RDBMS==>Hive   

1）导入普通表

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

--mapreduce-job-name FromMySQLToHive \

--delete-target-dir \

--create-hive-table \                                         （直接自动创建一张表，不建议使用，问题见后续讲解）

--hive-database ruozedata \

--hive-table emp_sqoop \

--hive-import

.ClassNotFoundException: org.apache.hadoop.hive.shims.ShimLoader

可能会遇到上面两种报错的情况，原因是缺少jar包

解决方法：

[hadoop@hadoop001 conf]$ vi sqoop-env.sh

export HADOOP_CLASSPATH=/home/hadoop/app/hive-1.1.0-cdh5.7.0/lib/*

再次运行，继续报错：

数据库不存在？！

解决办法：将$HIVE_HOME/conf下的hive-site.xml拷贝至$SQOOP/HOME/conf

再次运行，成功

为什么说不建议使用--create-hive-table命令呢？

可以看到自动创建的表格是根据mysql中数据的字段类型来确定hive表中的字段类型的，本表中salary和comm都带小数点，所以，hive表中，salary和comm的字段类型为double。

假如最开始导入的salary和comm的数据中没有小数点，都是整数，如：

sal和comm便被默认为int类型，往后再插入带小数点的数据就会出现问题，因此最好事先创建一个hive表，再进行sqoop导入数据到hive表

2）导入分区表

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

--mapreduce-job-name FromMySQLToHive \

--delete-target-dir \

--hive-database ruozedata \

--hive-table ruozedata_emp_partition \

--hive-import \

--hive-partition-key 'pt' \

--hive-partition-value '2018-08-08'

但是，查看表内容发现有问题：

应该是分隔符的问题

sqoop import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp \

--mapreduce-job-name FromMySQLToHive \

--delete-target-dir \

--hive-database ruozedata \

--hive-table ruozedata_emp_partition \

--hive-import \

--hive-partition-key 'pt' \

--hive-partition-value '2018-08-08' \

--fields-terminated-by '\t' \                                            （规定分隔符为\t）

--hive-overwrite                                                              （覆盖之前数据）


3.hive导出到mysql

现在mysql里创建一张表

mysql> create table emp_export as select * from emp where 1=2;

sqoop export \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp_export \

--export-dir \hdfs://192.168.137.141:9000/user/hive/warehouse/ruozedata.db/ruozedata_emp \

--input-fields-terminated-by '\t';

4.job

先创建一个job

sqoop job --create ruozejob \

-- import \

--connect jdbc:mysql://localhost:3306/hivetomysql \

--username root --password 123456 \

--table emp -m 2 \

--mapreduce-job-name FromHiveToMySQL \

--delete-target-dir;

[hadoop@hadoop001 conf]$ sqoop job --list

[hadoop@hadoop001 conf]$ sqoop job --exec ruozejob

需要输入密码
最后编辑于 ：
©著作权归作者所有,转载或内容合作请联系作者
平台声明：文章内容（如有图片或视频亦包括在内）由作者上传并发布，文章内容仅代表作者本人观点，简书系信息发布平台，仅提供信息存储服务。

推荐阅读更多精彩内容

  • sqoop 命令
    1/列出mysql数据库中的所有数据库sqoop list-databases -connect jdbc:mys...
    时待吾阅读 2,750评论 1赞 5
  • hadoop（十九）—Sqoop数据清洗
    上节课学习了Hadoop集群测试，这节课我们一起学习一下Sqoop，Sqoop是专门用来迁移数据的，它可以把数据库...
    文子轩阅读 7,009评论 1赞 9
  • 20-Sqoop
    Sqoop： SQL to Hadoop 场景：数据在RDBMS中，我们如何使用Hive或者Hadoop来进行数据...
    CrUelAnGElPG阅读 330评论 0赞 0
  • sqoop overview
    1/列出mysql数据库中的所有数据库sqoop list-databases -connect jdbc:mys...
    时待吾阅读 1,365评论 0赞 0
  • 2017-12-24
    轮回之境
    不与人知阅读 171评论 0赞 1