sqoop 数据迁移

1 概述

　　sqoop是apache旗下一款“Hadoop和关系数据库服务器之间传送数据”的工具。

　　导入数据：MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系统。

　　导出数据：从Hadoop的文件系统中导出数据到关系数据库。

2 工作机制

　　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。

3 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

　　　　 http://ftp.wayne.edu/apache/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz

　　3.2 修改配置文件　

$ cd $SQOOP_HOME/conf

$ mv sqoop-env-template.sh sqoop-env.sh

打开sqoop-env.sh并编辑下面几行：

export HADOOP_COMMON_HOME=/home/hadoop/apps/hadoop-2.6.1/

export HADOOP_MAPRED_HOME=/home/hadoop/apps/hadoop-2.6.1/

export HIVE_HOME=/home/hadoop/apps/hive-1.2.1

　　3.3 加入mysql的jdbc驱动　　　

cp  ~/app/hive/lib/mysql-connector-java-5.1.28.jar   $SQOOP_HOME/lib/

　　3.4 启动验证

$ cd $SQOOP_HOME/bin

$ sqoop-version

　　输出：

　　15/12/17 14:52:32 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6

　　Sqoop 1.4.6 git commit id 5b34accaca7de251fc91161733f906af2eddbe83

　　Compiled by abe on Fri Aug 1 11:19:26 PDT 2015

　　到这里，整个Sqoop安装工作完成

4 数据导入

　　4.1 下面的命令用于从MySQL数据库服务器中的emp表导入HDFS

$bin/sqoop import \

--connect jdbc:mysql://hdp-node-01:3306/test \

--username root \

--password root \

--table emp --m 1

　　4.2 导入数据到HIVE

bin/sqoop import --connect jdbc:mysql://hdp-node-01:3306/test --username root --password root --table emp --hive-import --m 1

　　4.3 导入到HDFS指定目录

--target-dir <new or exist directory in HDFS>

　　下面的命令是用来导入emp_add表数据到'/queryresult'目录。

bin/sqoop import \

--connect jdbc:mysql://hdp-node-01:3306/test \

--username root \

--password root \

--target-dir /queryresult \

--table emp --m 1

　　4.4 导入表数据子集

　　我们可以导入表的使用Sqoop导入工具，"where"子句的一个子集。它执行在各自的数据库服务器相应的SQL查询，并将结果存储在HDFS的目标目录。

　　where子句的语法如下。　

--where <condition>

　　下面的命令用来导入emp_add表数据的子集。子集查询检索员工ID和地址，居住城市为：Secunderabad　

bin/sqoop import \

--connect jdbc:mysql://hdp-node-01:3306/test \

--username root \

--password root \

--where "city ='sec-bad'" \

--target-dir /wherequery \

--table emp_add --m 1

　　4.5 增量导入

　　增量导入是仅导入新添加的表中的行的技术。它需要添加‘incremental’, ‘check-column’, 和 ‘last-value’选项来执行增量导入。下面的语法用于Sqoop导入命令增量选项。　　

--incremental <mode>

--check-column <column name>

--last value <last check column value>

　　假设新添加的数据转换成emp表如下

　　1206, satish p, grp des, 20000, GR

　　下面的命令用于在EMP表执行增量导入

bin/sqoop import \

--connect jdbc:mysql://hdp-node-01:3306/test \

--username root \

--password root \

--table emp --m 1 \

--incremental append \

--check-column id \

--last-value 1205

5 数据导出

　　将数据从HDFS导出到RDBMS数据库。

　　导出前，目标表必须存在于目标数据库中。

　　默认操作是从将文件中的数据使用INSERT语句插入到表中。

　　更新模式下，是生成UPDATE语句更新表数据。

　　语法：　

$ sqoop export (generic-args) (export-args)

　　5.1 将hdfs数据导出到mysql

　　　　1)首先在mysql中创建目标表　　

 CREATE TABLE employee (

   id INT NOT NULL PRIMARY KEY,

   name VARCHAR(20),

   deg VARCHAR(20),

   salary INT,

   dept VARCHAR(10));

　　　　2)执行导出命令　

bin/sqoop export \

--connect jdbc:mysql://hdp-node-01:3306/test \

--username root \

--password root \

--table employee \

--export-dir /user/hadoop/emp/

6 sqoop 作业

　　6.1创建作业

　　　　在这里，我们创建一个名为myjob，这可以从RDBMS表的数据导入到HDFS作业。　　

bin/sqoop job --create myimportjob -- import --connect jdbc:mysql://hdp-node-01:3306/test --username root --password root --table emp --m 1

　　　　该命令创建了一个从db库的employee表导入到HDFS文件的作业。

　　6.2 验证作业（--list）　

$ sqoop job --list

　　它显示了保存作业列表。

　　Available jobs:

　myjob

　　‘--show’ 参数用于检查或验证特定的工作，及其详细信息　　

$ sqoop job --show myjob

　　6.3 执行作业

　　‘--exec’ 选项用于执行保存的作业。下面的命令用于执行保存的作业称为myjob。　

$ sqoop job --exec myjob