我要评论一、sqoop 基本命令
1. 查看所有命令
# sqoop help
2. 查看某条命令的具体使用方法
# sqoop help 命令名
二、sqoop 与 mysql
1. 查询mysql所有数据库
通常用于 sqoop 与 mysql 连通测试：
sqoop list-databases \ --connect jdbc:mysql://hadoop001:3306/ \ --username root \ --password root
2. 查询指定数据库中所有数据表
sqoop list-tables \ --connect jdbc:mysql://hadoop001:3306/mysql \ --username root \ --password root
三、sqoop 与 hdfs
3.1 mysql数据导入到hdfs
1. 导入命令
示例：导出 mysql 数据库中的 help_keyword 表到 hdfs 的 /sqoop 目录下，如果导入目录存在则先删除再导入，使用 3 个 map tasks 并行导入。
注：help_keyword 是 mysql 内置的一张字典表，之后的示例均使用这张表。
sqoop import \ --connect jdbc:mysql://hadoop001:3306/mysql \ --username root \ --password root \ --table help_keyword \ # 待导入的表 --delete-target-dir \ # 目标目录存在则先删除 --target-dir /sqoop \ # 导入的目标目录 --fields-terminated-by '\t' \ # 指定导出数据的分隔符 -m 3 # 指定并行执行的 map tasks 数量
日志输出如下，可以看到输入数据被平均 split 为三份，分别由三个 map task 进行处理。数据默认以表的主键列作为拆分依据，如果你的表没有主键，有以下两种方案：
- 添加
-- autoreset-to-one-mapper参数，代表只启动一个map task，即不并行执行； - 若仍希望并行执行，则可以使用
--split-by <column-name>指明拆分数据的参考列。
2. 导入验证
# 查看导入后的目录 hadoop fs -ls -r /sqoop # 查看导入内容 hadoop fs -text /sqoop/part-m-00000
查看 hdfs 导入目录,可以看到表中数据被分为 3 部分进行存储，这是由指定的并行度决定的。
3.2 hdfs数据导出到mysql
sqoop export \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword_from_hdfs \ # 导出数据存储在 mysql 的 help_keyword_from_hdf 的表中
--export-dir /sqoop \
--input-fields-terminated-by '\t'\
--m 3
表必须预先创建，建表语句如下：
create table help_keyword_from_hdfs like help_keyword ;
四、sqoop 与 hive
4.1 mysql数据导入到hive
sqoop 导入数据到 hive 是通过先将数据导入到 hdfs 上的临时目录，然后再将数据从 hdfs 上 load 到 hive 中，最后将临时目录删除。可以使用 target-dir 来指定临时目录。
1. 导入命令
sqoop import \ --connect jdbc:mysql://hadoop001:3306/mysql \ --username root \ --password root \ --table help_keyword \ # 待导入的表 --delete-target-dir \ # 如果临时目录存在删除 --target-dir /sqoop_hive \ # 临时目录位置 --hive-database sqoop_test \ # 导入到 hive 的 sqoop_test 数据库，数据库需要预先创建。不指定则默认为 default 库 --hive-import \ # 导入到 hive --hive-overwrite \ # 如果 hive 表中有数据则覆盖，这会清除表中原有的数据，然后再写入 -m 3 # 并行度
导入到 hive 中的 sqoop_test 数据库需要预先创建，不指定则默认使用 hive 中的 default 库。
# 查看 hive 中的所有数据库 hive> show databases; # 创建 sqoop_test 数据库 hive> create database sqoop_test;
2. 导入验证
# 查看 sqoop_test 数据库的所有表 hive> show tables in sqoop_test; # 查看表中数据 hive> select * from sqoop_test.help_keyword;
3. 可能出现的问题
如果执行报错 java.io.ioexception: java.lang.classnotfoundexception: org.apache.hadoop.hive.conf.hiveconf，则需将 hive 安装目录下 lib 下的 hive-exec-**.jar 放到 sqoop 的 lib 。
[root@hadoop001 lib]# ll hive-exec-*
-rw-r--r--. 1 1106 4001 19632031 11 月 13 21:45 hive-exec-1.1.0-cdh5.15.2.jar
[root@hadoop001 lib]# cp hive-exec-1.1.0-cdh5.15.2.jar ${sqoop_home}/lib
4.2 hive 导出数据到mysql
由于 hive 的数据是存储在 hdfs 上的，所以 hive 导入数据到 mysql，实际上就是 hdfs 导入数据到 mysql。
1. 查看hive表在hdfs的存储位置
# 进入对应的数据库 hive> use sqoop_test; # 查看表信息 hive> desc formatted help_keyword;
location 属性为其存储位置：
这里可以查看一下这个目录，文件结构如下：
3.2 执行导出命令
sqoop export \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword_from_hive \
--export-dir /user/hive/warehouse/sqoop_test.db/help_keyword \
-input-fields-terminated-by '\001' \ # 需要注意的是 hive 中默认的分隔符为 \001
--m 3
mysql 中的表需要预先创建：
create table help_keyword_from_hive like help_keyword ;
五、sqoop 与 hbase
本小节只讲解从 rdbms 导入数据到 hbase，因为暂时没有命令能够从 hbase 直接导出数据到 rdbms。
5.1 mysql导入数据到hbase
1. 导入数据
将 help_keyword 表中数据导入到 hbase 上的 help_keyword_hbase 表中，使用原表的主键 help_keyword_id 作为 rowkey，原表的所有列都会在 keywordinfo 列族下，目前只支持全部导入到一个列族下，不支持分别指定列族。
sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword \ # 待导入的表
--hbase-table help_keyword_hbase \ # hbase 表名称，表需要预先创建
--column-family keywordinfo \ # 所有列导入到 keywordinfo 列族下
--hbase-row-key help_keyword_id # 使用原表的 help_keyword_id 作为 rowkey
导入的 hbase 表需要预先创建：
# 查看所有表 hbase> list # 创建表 hbase> create 'help_keyword_hbase', 'keywordinfo' # 查看表信息 hbase> desc 'help_keyword_hbase'
2. 导入验证
使用 scan 查看表数据：
六、全库导出
sqoop 支持通过 import-all-tables 命令进行全库导出到 hdfs/hive，但需要注意有以下两个限制：
- 所有表必须有主键；或者使用
--autoreset-to-one-mapper，代表只启动一个map task; - 你不能使用非默认的分割列，也不能通过 where 子句添加任何限制。
第二点解释得比较拗口，这里列出官方原本的说明：
- you must not intend to use non-default splitting column, nor impose any conditions via a
whereclause.
全库导出到 hdfs：
sqoop import-all-tables \
--connect jdbc:mysql://hadoop001:3306/数据库名 \
--username root \
--password root \
--warehouse-dir /sqoop_all \ # 每个表会单独导出到一个目录，需要用此参数指明所有目录的父目录
--fields-terminated-by '\t' \
-m 3
全库导出到 hive：
sqoop import-all-tables -dorg.apache.sqoop.splitter.allow_text_splitter=true \ --connect jdbc:mysql://hadoop001:3306/数据库名 \ --username root \ --password root \ --hive-database sqoop_test \ # 导出到 hive 对应的库 --hive-import \ --hive-overwrite \ -m 3
七、sqoop 数据过滤
7.1 query参数
sqoop 支持使用 query 参数定义查询 sql，从而可以导出任何想要的结果集。使用示例如下：
sqoop import \ --connect jdbc:mysql://hadoop001:3306/mysql \ --username root \ --password root \ --query 'select * from help_keyword where $conditions and help_keyword_id < 50' \ --delete-target-dir \ --target-dir /sqoop_hive \ --hive-database sqoop_test \ # 指定导入目标数据库 不指定则默认使用 hive 中的 default 库 --hive-table filter_help_keyword \ # 指定导入目标表 --split-by help_keyword_id \ # 指定用于 split 的列 --hive-import \ # 导入到 hive --hive-overwrite \ 、 -m 3
在使用 query 进行数据过滤时，需要注意以下三点：
- 必须用
--hive-table指明目标表； - 如果并行度
-m不为 1 或者没有指定--autoreset-to-one-mapper，则需要用--split-by指明参考列； - sql 的
where字句必须包含$conditions，这是固定写法，作用是动态替换。
7.2 增量导入
sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword \
--target-dir /sqoop_hive \
--hive-database sqoop_test \
--incremental append \ # 指明模式
--check-column help_keyword_id \ # 指明用于增量导入的参考列
--last-value 300 \ # 指定参考列上次导入的最大值
--hive-import \
-m 3
incremental 参数有以下两个可选的选项：
- append：要求参考列的值必须是递增的，所有大于
last-value的值都会被导入； - lastmodified：要求参考列的值必须是
timestamp类型，且插入数据时候要在参考列插入当前时间戳，更新数据时也要更新参考列的时间戳，所有时间晚于last-value的数据都会被导入。
通过上面的解释我们可以看出来，其实 sqoop 的增量导入并没有太多神器的地方，就是依靠维护的参考列来判断哪些是增量数据。当然我们也可以使用上面介绍的 query 参数来进行手动的增量导出，这样反而更加灵活。
八、类型支持
sqoop 默认支持数据库的大多数字段类型，但是某些特殊类型是不支持的。遇到不支持的类型，程序会抛出异常 hive does not support the sql type for column xxx 异常，此时可以通过下面两个参数进行强制类型转换：
- --map-column-java<mapping> ：重写 sql 到 java 类型的映射；
- --map-column-hive <mapping> ： 重写 hive 到 java 类型的映射。
示例如下，将原先 id 字段强制转为 string 类型，value 字段强制转为 integer 类型：
$ sqoop import ... --map-column-java id=string,value=integer
参考资料
更多大数据系列文章可以参见 github 开源项目： 大数据入门指南
您可能感兴趣的文章:
如您对本文有疑问或者有任何想说的，请 点击进行留言回复，万千网友为您解惑！
网友评论