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
    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
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

添加新评论