Sqoop | 批量数据迁移工具
Sqoop | 批量数据迁移工具
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。
Sqoop2的最新版本是1.99.7。请注意,2与1不兼容,且特征不完整,它并不打算用于生产部署。、
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。
一、Sqoop安装
-
安装Sqoop的前提是已经具备Java和Hadoop的环境。
-
下载并解压
- 下载地址:
https://archive.apache.org/dist/sqoop/
- 上传安装包
sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
到虚拟机中 - 解压sqoop安装包到指定目录,如:
tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
- 下载地址:
-
修改配置文件
sqoop
根目录下的conf
目录中- 重命名配置文件
mv sqoop-env-template.sh sqoop-env.sh
- 修改配置文件
sqoop-env.sh
#配置各个组件目录 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
- 重命名配置文件
-
拷贝JDBC驱动
拷贝jdbc驱动到sqoop的lib目录下
cp mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib/
-
验证Sqoop
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
-
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
出现如下输出:information_schema metastore mysql oozie performance_schema
二、Sqoop的简单使用案例
-
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。1. RDBMS到HDFS
- 确定Mysql服务开启正常
- 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');
- 导入数据
- 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"
- 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 $CONDITIONS;'
| must contain
'$CONDITIONS'
in WHERE clause.
$CONDITIONS 必须添加
| 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。- 导入指定列
$ 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" \ --columns id,sex \ --table staff
- 使用sqoop关键字筛选查询导入数据
$ 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" \ --table staff \ --where "id=1"
2. 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
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/用户名/表名
3. 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
sqoop1.4.6
只支持HBase1.0.1
之前的版本的自动创建HBase表的功能
解决方案:手动创建HBase表
hbase> create 'hbase_company,'info'
在HBase中scan这张表得到如下内容
hbase> scan 'hbase_company'
- 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$ 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"
Mysql中如果表不存在,不会自动创建
三、脚本打包
- 创建一个.opt文件 使用opt格式的文件打包sqoop命令,然后执行
mkdir opt touch opt/job_HDFS2RDBMS.opt
- 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"
- 执行该脚本
bin/sqoop --options-file opt/job_HDFS2RDBMS.opt