数据交换工具 sqoop 介绍与使用

一、sqoop介绍

将关系数据库（oracle、mysql、postgresql等）数据与hadoop数据进行转换的工具

官网：http://sqoop.apache.org/

版本：（两个版本完全不兼容，sqoop1使用最多）

sqoop1：1.4.x

sqoop2：1.99.x

同类产品：

DataX：阿里顶级数据交换工具

二、sqoop架构

sqoop架构非常简单，是hadoop生态系统的架构最简单的框架。

sqoop由client端直接接入hadoop，任务通过解析生成对应的maprecue执行

sqoop导入：

sqoop导出：

三、sqoop安装

1、解压

2、配置环境变量

export SQOOP_HOME=/XX/sqoop.xx
source /etc/profile

3、添加数据库驱动包

cp mysql-connector-java-5.1.10.jar /sqoop-install-path/lib

4、重命名配置文件

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

如已经配置 HADOOP_HOME 环境变量就无需修改了，如果配置的是 HADOOP_PREFIX ，就修改此文件里的 HADOOP_COMMON_HOME

5、修改配置 bin / configure-sqoop

如果想去掉启动时找不到环境变量warn提示，就如下修改，如果无所谓就无需修改。

注释未安装服务相关内容；例如（HBase、HCatalog、Accumulo）：

#if [ ! -d "${HBASE_HOME}" ]; then
#  echo "Error: $HBASE_HOME does not exist!"
#  echo 'Please set $HBASE_HOME to the root of your HBase installation.'
#  exit 1

6、测试

sqoop version
sqoop list-databases -connect jdbc:mysql://node02:3306/ -username root -password 123456

四、sqoop命令

官方文档：http://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html

1、sqoop工具

选项	含义说明
--connect <jdbc-uri>	指定JDBC连接字符串
--connection-manager <class-name>	指定要使用的连接管理器类
--driver <class-name>	指定要使用的JDBC驱动类
--hadoop-mapred-home <dir>	指定$HADOOP_MAPRED_HOME路径
--help	万能帮助
--password-file	设置用于存放认证的密码信息文件的路径
-P	从控制台读取输入的密码
--password <password>	设置认证密码
--username <username>	设置认证用户名
--verbose	打印详细的运行信息
--connection-param-file <filename>	可选，指定存储数据库连接参数的属性文件

2、导入工具import：

选项	含义说明
--append	将数据追加到HDFS上一个已存在的数据集上
--as-avrodatafile	将数据导入到Avro数据文件
--as-sequencefile	将数据导入到SequenceFile
--as-textfile	将数据导入到普通文本文件（默认）
--boundary-query <statement>	边界查询，用于创建分片（InputSplit）
--columns <col,col,col…>	从表中导出指定的一组列的数据
--delete-target-dir	如果指定目录存在，则先删除掉
--direct	使用直接导入模式（优化导入速度）
--direct-split-size <n>	分割输入stream的字节大小（在直接导入模式下）
--fetch-size <n>	从数据库中批量读取记录数
--inline-lob-limit <n>	设置内联的LOB对象的大小
-m,--num-mappers <n>	使用n个map任务并行导入数据
-e,--query <statement>	导入的查询语句
--split-by <column-name>	指定按照哪个列去分割数据
--table <table-name>	导入的源表表名
--target-dir <dir>	导入HDFS的目标路径
--warehouse-dir <dir>	HDFS存放表的根路径
--where <where clause>	指定导出时所使用的查询条件
-z,--compress	启用压缩
--compression-codec <c>	指定Hadoop的codec方式（默认gzip）
--null-string <null-string>	如果指定列为字符串类型，使用指定字符串替换值为null的该类列的值
--null-non-string <null-string>	如果指定列为非字符串类型，使用指定字符串替换值为null的该类列的值

3、导出工具export：

选项	含义说明
--validate <class-name>	启用数据副本验证功能，仅支持单表拷贝，可以指定验证使用的实现类
--validation-threshold <class-name>	指定验证门限所使用的类
--direct	使用直接导出模式（优化速度）
--export-dir <dir>	导出过程中HDFS源路径
--m,--num-mappers <n>	使用n个map任务并行导出
--table <table-name>	导出的目的表名称
--call <stored-proc-name>	导出数据调用的指定存储过程名
--update-key <col-name>	更新参考的列名称，多个列名使用逗号分隔
--update-mode <mode>	指定更新策略，包括：updateonly（默认）、allowinsert
--input-null-string <null-string>	使用指定字符串，替换字符串类型值为null的列
--input-null-non-string <null-string>	使用指定字符串，替换非字符串类型值为null的列
--staging-table <staging-table-name>	在数据导出到数据库之前，数据临时存放的表名称
--clear-staging-table	清除工作区中临时存放的数据
--batch	使用批量模式导出

五：例子：

MySQL

create table psn(
 id int,
 name varchar(30),
 msg varchar(50)
);

insert into psn (id,name,msg) values (11, 'jeffrey', 'hello' );
insert into psn (id,name,msg) values (12, 'xinrong', 'world' );
insert into psn (id,name,msg) values (13, 'lin', '!!!!!!' );

（一）、sqoop 导入 hdfs

vi option1

import
-- connect
jdbc:mysql://node02:3306/test
--username
root
--password
123456
--as-textfile
--table
psn
--columns
id,name,msg
--delete-target-dir
--target-dir
/sqoop/data/
-m
1

执行

sqoop --options-file option1

（二）、导入到hive

vi option2

import
--connect
jdbc:mysql://node02/test
--username
root
--password
123456
--as-textfile
--query
'select id,name,msg from psn where $CONDITIONS'
--delete-target-dir
--target-dir
/sqoop/tmp
-m
1
--hive-import
--create-hive-table
--hive-table
t_test

$CONDITIONS 总是要加到where里，没条件也要加where

--create-hive-table 表需要在hive不存在，不然会失败

执行

sqoop --options-file option2

（三）、导出到mysql

表h_psn需要提前创建

vi option3

export
--connect
jdbc:mysql://node02/test
--username
root
--password
123456
-m
1
--export-dir
/sqoop/data
--table
h_psn
--columns
id,name,msg

执行

sqoop --options-file option3

独伫小桥风卷袖

邓超

添加新评论