Sqoop1.99.7将MySQL数据导入到HDFS中

准备

本示例将实现从MySQL数据库中将数据导入到HDFS中 
参考文档： 
http://sqoop.apache.org/docs/1.99.7/user/Sqoop5MinutesDemo.html 
http://blog.csdn.net/m_signals/article/details/53190965 
http://blog.csdn.net/lazythinker/article/details/52064165 
http://blog.sina.com.cn/s/blog_61d8d9640102whof.html 
mysql数据库信息： 
test库中user表中的记录（共1条） 
 
HDFS数据情况 

创建了一个/root/test的空目录 
实现目标： 
本示例需要实现将上方MySQL数据库中的数据导入到HDFS中

开始

启动Hadoop，启动sqoop，命令行进入sqoop

1. # 设置交互的命令行打印更多信息，打印的异常信息更多
2. set option --name verbose --value true
3. # 连接sqoop，其中hadoop1是需要连接的sqoop的主机名
4. set server --host hadoop1 --port 12000--webapp sqoop
5. # 查看连接
6. show version --all

创建link

如果需要使用sqoop进行导入导出操作，需要先创建连接。 
使用show conncetor命令可以查看sqoop支持的连接器。 
而sqoop中默认提供了如下几种连接。 

创建mysql-link

本例实现mysql-->hdfs的数据导入操作，所以需要创建一个mysql的link和hdfs的link。 
注意：在创建mysql-link的时候需要将mysql的jar包放入到$SQOOP2_HOME/server/lib/extra-lib目录中 
首先创建mysql-link，过程如下

1. sqoop:000> create link -connector generic-jdbc-connector
2. Creating link for connector with name generic-jdbc-connector
3. Please fill following values to create new link object
4. Name: mysql-link
6. Database connection
8. Driverclass: com.mysql.jdbc.Driver
9. ConnectionString: jdbc:mysql://10.25.40.37/test
10. Username: root
11. Password:*********
12. FetchSize:
13. ConnectionProperties:
14. There are currently 0 values in the map:
15. entry# protocol=tcp
16. There are currently 1 values in the map:
17. protocol = tcp
18. entry#
20. SQL Dialect
22. Identifier enclose:
23. New link was successfully created with validation status OK and name mysql-link
24. sqoop:000>

以上输入项说明，下图中红色的表示需要输入的内容。 
注意Identifier enclose项需要输入一个空格，然后回车 

创建hdfs-link

创建HDFS的link的配置就比较简单，配置HDFS访问地址和hadoop配置文件目录路径即可

1. sqoop:000> create link -connector hdfs-connector
2. Creating link for connector with name hdfs-connector
3. Please fill following values to create new link object
4. Name: hdfs-link
6. HDFS cluster
8. URI: hdfs://hadoop1:9000
9. Conf directory:/usr/local/hadoop/hadoop-2.7.4/etc/hadoop
10. Additional configs::
11. There are currently 0 values in the map:
12. entry#
13. New link was successfully created with validation status OK and name hdfs-link
14. sqoop:000>

创建job

创建job时，配置项较多。 
命令:

1. # create job -f formLinkName -t toLinkName
2. create job -f mysql-link -t hdfs-link

注意下面红色部分 
sqoop:000> create job -f mysql-link -t hdfs-link 
Creating job for links with from name mysql-link and to name hdfs-link 
Please fill following values to create new job object 
Name: test1（job名称）

Database source

Schema name: test（数据库的schema名称） 
Table name: user（数据库表名） 
SQL statement: 
Column names: 
There are currently 0 values in the list: 
element# 
Partition column: 
Partition column nullable: 
Boundary query:

Incremental read

Check column: 
Last value:

Target configuration

Override null value: 
Null value: 
File format: 
0 : TEXT_FILE 
1 : SEQUENCE_FILE 
2 : PARQUET_FILE 
Choose: （选择NONE） 
Custom codec: 
Output directory: /root/test（这里输入HDFS文件的目录，需要是空目录） 
Append mode:

Throttling resources

Extractors: （这里是参考官网填的2）

Classpath configuration

Extra mapper jars: 
There are currently 0 values in the list: 
element# 
New job was successfully created with validation status OK and name test1 
sqoop:000>

启动job

命令

1. # start job -name jobName
2. start job -name test1

期间遇到的问题及解决方案

以下问题均是创建完link和job后，开始启动job时报的错。

Host '10.25.40.37' is not allowed to connect to this MySQL server

错误原因： 
这问题表示主机10.25.40.37没有授权外部访问其MySQL 
解决方案： 
将连接的MySQL主机中的授权信息改了

1. 直接改mysql库中user表root的那条记录，将其值改为%（表示任何主机都可访问） 
   
2. 使用授权命令，授权指定的主机可访问该数据库（推荐：更安全）

1. mysql> GRANT ALL PRIVILEGES ON *.* TO 'username'@'%' IDENTIFIED BY 'password' WITH GRANT OPTION;
2. mysql> FLUSH PRIVILEGES;

详细操作步骤可自行百度。

User: root is not allowed to impersonate root

错误原因： 
该错误是因为在安装sqoop时，在hadoop的core-site.xml配置文件中配置的用户权限错误 
在之前的sqoop安装文章里，按照官网的配置如下。其中hadoop.proxyuser.sqoop2.hosts中的sqoop2是用户的意思，同理hadoop.proxyuser.sqoop2.groups中的sqoop2是用户组的意思。

1. <property>
2. <name>hadoop.proxyuser.sqoop2.hosts</name>
3. <value>*</value>
4. </property>
5. <property>
6. <name>hadoop.proxyuser.sqoop2.groups</name>
7. <value>*</value>
8. </property>

解决方案： 
将sqoop2改为root即可，改完后如下：（PS:这里的解决方案感觉还是有问题不完美，没有深入了解）

1. <property>
2. <name>hadoop.proxyuser.root.hosts</name>
3. <value>*</value>
4. </property>
5. <property>
6. <name>hadoop.proxyuser.root.groups</name>
7. <value>*</value>
8. </property>

GENERIC_HDFS_CONNECTOR_0007:Invalid input/output directory - Unexpected exception

输入输出目录有问题，检查HDFS中是否存在相应目录即可

There are 0 datanode(s) running and no node(s) are excluded in this operation

错误原因： 
启动job的时候报的错，这应该是datanode节点数据的问题 
解决方案：

1. 配置dfs.datanode.data.dir和core-site.xml里面的hadoop.tmp.dir一致 
   hdfs-site.xml里面的 
   dfs.datanode.data.dir 
   /tmp/hdfs_tmp 
   与core-site.xml里面的 
   hadoop.tmp.dir 
   /tmp/hdfs_tmp 
   两个配置应该是指向同一个目录地址，而且必须是一个已经存在的linux目录(不存在目录的话，在启动hadoop时，必须手动创建，否则put文件到hdfs系统时就会报错)，今天报这个错就是因为两个配置没有指向同一个目录地址，且两个地址还不存在对应的目录

参考至： 
http://blog.sina.com.cn/s/blog_61d8d9640102whof.html

1. 删除dfs.namenode.data.dir中的current文件夹中的内容，格式化namenode，重新启动hadoop 
   参考至： 
   http://blog.csdn.net/qiruiduni/article/details/50280943

最后我使用了1解决方案后问题解决了，但是不知道以后会不会有其他问题。

Call From hadoop1/192.168.56.110 to 0.0.0.0:10020 failed on connection exception

问题原因： 
报错信息提示，在访问端口 100020的时候出错，这表示DataNode 需要访问 MapReduce JobHistory Server，而默认值是： 0.0.0.0:10020 。 
解决方案： 
找到{HADOOP_HOME}/etc/hadoop/mapred-site.xml配置文件 ,增加如下配置：

1. <property>
2. <name>mapreduce.jobhistory.address</name>
3. <!-- 配置实际的主机名和端口-->
4. <value>{namenode}:10020</value>
5. </property>

这里我的主机名是hadoop1，所以配置的值是hadoop1:10020 
 
参考至： 
http://blog.csdn.net/lazythinker/article/details/52064165

GENERIC_HDFS_CONNECTOR_0007:Invalid input/output directory - Output directory is not empty

错误原因： 
输入或者输出目录不是空目录，本示例的错误原因是之前启动job后，在HDFS里已经导入过一些数据进去。没删除，所以报这个错。 
解决方案： 
删除该目录下的内容即可 
清空上方创建job时指定的output目录（/root/test）中内容即可。

验证是否导入成功

查看HDFS中的/root/test/目录中的数据，共出现了2个文件 

查看文件内容 

可以看到2ea38d69-e9e4-4364-adfc-67d88f5c8153.txt文件中已经存在了导入的数据，而8962bce1-08e7-4ebc-939e-4839d05eb145.txt是个空文件。