Sqoop 第1章 Sqoop简介 第2章 Sqoop原理 第3章 Sqoop安装 第4章 Sqoop的简单使用案例 第5章 Sqoop一些常用命令及参数
尚硅谷大数据技术之Sqoop
第1章 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。
Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop独立成为一个Apache项目。
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。
第2章 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。
第3章 Sqoop安装
安装Sqoop的前提是已经具备Java和Hadoop的环境。
3.1 下载并解压
1) 下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
2) 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中
3) 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/
3.2 修改配置文件
Sqoop的配置文件与大多数大数据框架类似，在sqoop根目录下的conf目录中。
1) 重命名配置文件
$ mv sqoop-env-template.sh sqoop-env.sh
2) 修改配置文件(添加以下环境，根据自己集群的请况)
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/hive export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10 export ZOOCFGDIR=/opt/module/zookeeper-3.4.10 export HBASE_HOME=/opt/module/hbase
3.3 拷贝JDBC驱动
拷贝jdbc驱动到sqoop的lib目录下，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 验证Sqoop
我们可以通过某一个command来验证sqoop配置是否正确：
[lxl@hadoop102 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：
Warning: /opt/module/sqoop/bin/../../hcatalog does not exist! HCatalog jobs will fail. Please set $HCAT_HOME to the root of your HCatalog installation. Warning: /opt/module/sqoop/bin/../../accumulo does not exist! Accumulo imports will fail. Please set $ACCUMULO_HOME to the root of your Accumulo installation. 19/06/16 06:27:10 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6 usage: sqoop COMMAND [ARGS] Available commands: codegen Generate code to interact with database records create-hive-table Import a table definition into Hive eval Evaluate a SQL statement and display the results export Export an HDFS directory to a database table help List available commands import Import a table from a database to HDFS import-all-tables Import tables from a database to HDFS import-mainframe Import datasets from a mainframe server to HDFS job Work with saved jobs list-databases List available databases on a server list-tables List available tables in a database merge Merge results of incremental imports metastore Run a standalone Sqoop metastore version Display version information See 'sqoop help COMMAND' for information on a specific command.
3.5 测试Sqoop是否能够成功连接数据库
[lxl@hadoop102 sqoop]$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 000000
出现如下输出：
19/06/16 07:18:25 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset. information_schema metastore mysql performance_schema test
第4章 Sqoop的简单使用案例
4.1 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。
4.1.1 RDBMS到HDFS
1) 确定Mysql服务开启正常
2) 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');
3) 导入数据
（1）全部导入
[lxl@hadoop102 sqoop]$ 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 " "
（2）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 " " --query 'select name,sex from staff where id <=1 and $CONDITIONS;'
提示：must contain '$CONDITIONS' in WHERE clause.
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。
（3）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 " " --columns id,sex --table staff
提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格
（4）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 " " --table staff --where "id=1"
4.1.2 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 " " --hive-overwrite --hive-table staff_hive
提示：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/lxl/表名
4.1.3 RDBMS到Hbase
$ bin/sqoop import --connect jdbc:mysql://hadoop102:3306/company --username root --password 000000 --table staff --columns "id,name,sex" --column-family "info" --hbase-create-table --hbase-row-key "id" --hbase-table "hbase_company" --num-mappers 1 --split-by id
--split-by <column-name> |
Column of the table used to split work units. Cannot be used with --autoreset-to-one-mapper option. |
提示：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(main):001:0> create 'hbase_company','info'
(5) 在HBase中scan这张表得到如下内容
hbase(main):002:0> scan 'hbase_company'
4.2、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。（不支持HBase导出到MySql）
4.2.1 HIVE/HDFS到RDBMS
$ 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 " "
提示：Mysql中如果表不存在，不会自动创建
4.3 脚本打包
使用opt格式的文件打包sqoop命令，然后执行
1) 创建一个.opt文件
$ mkdir job $ touch job/sqp.opt
2) 编写sqoop脚本
$ vi job/sqp.opt
脚本内容：
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 " "
3) 执行该脚本
$ bin/sqoop --options-file job/sqp.opt
第5章 Sqoop一些常用命令及参数
5.1 常用命令列举
这里给大家列出来了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。
|
序号 |
命令 |
类 |
说明 |
|
1 |
import |
ImportTool |
将数据导入到集群 |
|
2 |
export |
ExportTool |
将集群数据导出 |
|
3 |
codegen |
CodeGenTool |
获取数据库中某张表数据生成Java并打包Jar |
|
4 |
create-hive-table |
CreateHiveTableTool |
创建Hive表 |
|
5 |
eval |
EvalSqlTool |
查看SQL执行结果 |
|
6 |
import-all-tables |
ImportAllTablesTool |
导入某个数据库下所有表到HDFS中 |
|
7 |
job |
JobTool |
用来生成一个sqoop的任务，生成后，该任务并不执行，除非使用命令执行该任务。 |
|
8 |
list-databases |
ListDatabasesTool |
列出所有数据库名 |
|
9 |
list-tables |
ListTablesTool |
列出某个数据库下所有表 |
|
10 |
merge |
MergeTool |
将HDFS中不同目录下面的数据合在一起，并存放在指定的目录中 |
|
11 |
metastore |
MetastoreTool |
记录sqoop job的元数据信息，如果不启动metastore实例，则默认的元数据存储目录为：~/.sqoop，如果要更改存储目录，可以在配置文件sqoop-site.xml中进行更改。 |
|
12 |
help |
HelpTool |
打印sqoop帮助信息 |
|
13 |
version |
VersionTool |
打印sqoop版本信息 |
5.2 命令&参数详解
刚才列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。
首先来我们来介绍一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。
5.2.1 公用参数：数据库连接
|
序号 |
参数 |
说明 |
|
1 |
--connect |
连接关系型数据库的URL |
|
2 |
--connection-manager |
指定要使用的连接管理类 |
|
3 |
--driver |
Hadoop根目录 |
|
4 |
--help |
打印帮助信息 |
|
5 |
--password |
连接数据库的密码 |
|
6 |
--username |
连接数据库的用户名 |
|
7 |
--verbose |
在控制台打印出详细信息 |
5.2.2 公用参数：import
|
序号 |
参数 |
说明 |
|
1 |
--enclosed-by <char> |
给字段值前加上指定的字符 |
|
2 |
--escaped-by <char> |
对字段中的双引号加转义符 |
|
3 |
--fields-terminated-by <char> |
设定每个字段是以什么符号作为结束，默认为逗号 |
|
4 |
--lines-terminated-by <char> |
设定每行记录之间的分隔符，默认是 |
|
5 |
--mysql-delimiters |
Mysql默认的分隔符设置，字段之间以逗号分隔，行之间以 分隔，默认转义符是，字段值以单引号包裹。 |
|
6 |
--optionally-enclosed-by <char> |
给带有双引号或单引号的字段值前后加上指定字符。 |
5.2.3 公用参数：export
|
序号 |
参数 |
说明 |
|
1 |
--input-enclosed-by <char> |
对字段值前后加上指定字符 |
|
2 |
--input-escaped-by <char> |
对含有转移符的字段做转义处理 |
|
3 |
--input-fields-terminated-by <char> |
字段之间的分隔符 |
|
4 |
--input-lines-terminated-by <char> |
行之间的分隔符 |
|
5 |
--input-optionally-enclosed-by <char> |
给带有双引号或单引号的字段前后加上指定字符 |
5.2.4 公用参数：hive
|
序号 |
参数 |
说明 |
|
1 |
--hive-delims-replacement <arg> |
用自定义的字符串替换掉数据中的 和 |