Apache Sqoop 结构化、非结构化数据转换工具

简介：

Apache Sqoop 是一种用于 Apache Hadoop 与关系型数据库之间结构化、非结构化数据转换的工具。

一、安装 MySQL、导入测试数据

1、文档链接：http://www.cnblogs.com/wangxiaoqiangs/p/5336048.html

2、导入测试数据

mysql > create database tmpdb;
mysql > use tmpdb;
mysql > system ls
tmp_recommend_hot.sql
mysql > source tmp_recommend_hot.sql

# 创建测试库，导入测试表

3、授权 hadoop

mysql > grant all on *.* to hadoop@'%' identified by 'hadoop';
mysql > flush privileges;

二、安装 Sqoop

1、下载、解压、设置环境变量

shell > cd /usr/local/src
shell > wget http://apache.fayea.com/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
shell > tar zxf sqoop-1.4..bin__hadoop-2.0.-alpha.tar.gz -C ../
shell > cd /usr/local/sqoop-1.4..bin__hadoop-2.0.-alpha
shell > vim /etc/profile
export PATH=$PATH:/usr/local/mysql/bin:/usr/local/hadoop-2.8./bin:/usr/local/apache-hive-2.1.-bin/bin:/usr/local/sqoop-1.4..bin__hadoop-2.0.-alpha/bin
shell > source /etc/profile

2、修改 sqoop-env.sh

shell > cp conf/sqoop-env-template.sh conf/sqoop-env.sh
shell > vim conf/sqoop-env.sh
# 指定安装目录
export HADOOP_COMMON_HOME=/usr/local/hadoop-2.8.
export HADOOP_MAPRED_HOME=/usr/local/hadoop-2.8.

3、复制 MySQL 连接器

shell > cp /usr/local/src/mysql-connector-java-5.1./mysql-connector-java-5.1.-bin.jar lib/

4、测试

shell > sqoop list-databases --connect jdbc:mysql://master.hadoop:3306 \
> --username hadoop --password hadoop

information_schema
hive_meta
mysql
performance_schema
test
tmpdb

# 连接成功

三、MySQL To HDFS To Hive

1、创建数据存放目录

hadoop shell > hdfs dfs -mkdir /user/root
hadoop shell > hdfs dfs -chown root /user/root

2、将数据导入 HDFS

shell > sqoop import --connect jdbc:mysql://master.hadoop:3306/tmpdb \
> --username hadoop --password hadoop \
> --table tmp_recommend_hot --warehouse-dir=/user/root

hadoop shell > hdfs dfs -ls /user/root
Found  items
drwxr-xr-x   - root supergroup           -- : /user/root/tmp_recommend_hot

hadoop shell > hdfs dfs -ls /user/root/tmp_recommend_hot
Found  items
-rw-r--r--    root supergroup           -- : /user/root/tmp_recommend_hot/_SUCCESS
-rw-r--r--    root supergroup       -- : /user/root/tmp_recommend_hot/part-m-
-rw-r--r--    root supergroup       -- : /user/root/tmp_recommend_hot/part-m-
-rw-r--r--    root supergroup       -- : /user/root/tmp_recommend_hot/part-m-
-rw-r--r--    root supergroup       -- : /user/root/tmp_recommend_hot/part-m-

# 默认情况下启用 4 个 MR 进程，所以有 4 个文件

3、将数据从 HDFS 导入 Hive

shell > beeline -u jdbc:hive2://master.hadoop:10000 -n hadoop

: jdbc:hive2://master.hadoop:10000> create database tmpdb;
: jdbc:hive2://master.hadoop:10000> use tmpdb;
: jdbc:hive2://master.hadoop:10000> dfs -cat /user/root/tmp_recommend_hot/*;
+--------------------------------------------------------------------------------------------------------------------------------+--+
| ,,资讯,,《人民的名义》热播原著小说杭州卖断货,http://pic2.qiyipic.com/image/20170410/0f/2a/v_112112674_m_601.jpg,934,null             |
| ,,资讯,,临汾旅游景区体制机制改革再出招,http://pic6.qiyipic.com/image/20170410/a5/bb/v_112112690_m_601.jpg,420,null                |
| ,,电影,,魔兽,http://imgbftv.b0.upaiyun.com/upload/origin/8/147598326883101.jpg,326,null                              |
| ,,综艺,,奇葩说第4季,http://imgbftv.b0.upaiyun.com/upload/origin/2/149176084218704.jpg,579,null                          |
| ,,电视剧,,神雕侠侣,http://imgbftv.b0.upaiyun.com/upload/origin/6/143945924668370.jpg,260,null                             |
| ,,电影,,金刚2005,http://imgbftv.b0.upaiyun.com/upload/origin/3/148497964349088.jpg,2563,null                          |
| ,,资讯,,追踪：夜半横躺马路中央男子遭碾压致死,http://pic6.qiyipic.com/image/20170411/3e/66/v_112119228_m_601.jpg,806,null             |
| ,,综艺,,天生是优我,http://imgbftv.b0.upaiyun.com/upload/origin/1/149182951136923.jpg,1094,null

# 查看了一下原始数据，是以 , 为分隔符的文本

: jdbc:hive2://master.hadoop:10000> create external table hot_film
. . . . . . . . . . . . . . . . . .> (id int, vid int, type string, year int, name string, image string, views int, dtime int)
. . . . . . . . . . . . . . . . . .> row format delimited fields terminated by ','
. . . . . . . . . . . . . . . . . .> location 'hdfs:///user/root/tmp_recommend_hot';

# 创建了一个外部表，/user/hive/warehouse/tmpdb.db 下并没有数据，数据还存在原始位置 /user/root/tmp_recommend_hot 下

: jdbc:hive2://master.hadoop:10000> select id, vid, name, views from hot_film limit 3;
+-----+----------+-----------+--------+--+
| id  |   vid    |   name    | views  |
+-----+----------+-----------+--------+--+
|    |   | 三生三世十里桃花  |    |
|    |   | 情圣        |     |
|    |   | 因为遇见你     |     |
+-----+----------+-----------+--------+--+

# 数据没问题，经 count(id) 对比，数据也没少！

四、MySQL To Hive

1、创建 Hive 数据库

shell > beeline -u jdbc:hive2://master.hadoop:10000 -n hadoop

: jdbc:hive2://master.hadoop:10000> create database tmpdb2;

2、导入数据

shell > sqoop import --connect jdbc:mysql://master.hadoop:3306/tmpdb \
> --username hadoop --password hadoop \
> --fields-terminated-by '\t' --table tmp_recommend_hot \
> --hive-import --hive-database tmpdb2 --hive-table hot_film

# import、import-all-tables 导入表、导入所有表
# --fields-terminated-by 指定分隔符
# --table 指定导入的表
# --hive-import 导入 hive 表
# --hive-database 指定导入到 hive 哪个数据库中
# --hive-table 指定导入后的表名，不指定时保持原表名
# --hive-overwrite 覆盖写入
# -m 指定启动几个 map/reduce 程序，表中没有主键时，需要指定 -m 1

3、验证数据

: jdbc:hive2://master.hadoop:10000> use tmpdb2;
: jdbc:hive2://master.hadoop:10000> show tables;
+-----------+--+
| tab_name  |
+-----------+--+
| hot_film  |
+-----------+--+
: jdbc:hive2://master.hadoop:10000> select id, vid, name, views from hot_film limit 3;
+-----+----------+-----------+--------+--+
| id  |   vid    |   name    | views  |
+-----+----------+-----------+--------+--+
|    |   | 三生三世十里桃花  |    |
|    |   | 情圣        |     |
|    |   | 因为遇见你     |     |
+-----+----------+-----------+--------+--+

# 一切正常，这样导入的是内部表，数据会被移动到 hive 配置文件中指定的路径。默认 /user/hive/warehouse

报错管理：

1、数据文件已存在

// :: ERROR tool.ImportTool: Encountered IOException running import job: org.apache.hadoop.mapred.FileAlreadyExistsException:
Output directory hdfs://master.hadoop:8020/user/root/tmp_recommend_hot already exists

# 与上一个实验导入的数据冲突，从 hdfs 删除即可，当然上个实验的数据库表中就没有数据了

2、权限不足

// :: INFO hive.HiveImport: FAILED: Execution Error, return code  from org.apache.hadoop.hive.ql.exec.DDLTask. MetaException(message:Got exception: org.apache.hadoop.security.AccessControlException Permission denied: user=root, access=WRITE, inode="/user/hive/warehouse/tmpdb2.db":hadoop:supergroup:drwxrwxr-x

# 开放 /user/hive 目录权限，hdfs dfs -chmod -R 777 /user/hive