SQOOP 导出Hive数据到MySQL

95 阅读 0 评论 63 点赞

我是靠谱客的博主醉熏蜻蜓，最近开发中收集的这篇文章主要介绍SQOOP 导出Hive数据到MySQL，觉得挺不错的，现在分享给大家，希望可以做个参考。

概述

基本知识：

Sqoop导出的基本用法：https://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html#_syntax_4 的10. sqoop-export

内容摘要：

本文主要是对--update-mode参数的用法进行了验证。结论如下：

--update-mode模式有两种updateonly（默认）和allowinsert

updateonly：该模式用于更新Hive表与目标表中数据的不一致，即在不一致时，将Hive中的数据同步给目标表（如MySQL、Oracle等的目标表中），这种不一致是指，一条记录中的不一致，比如Hive表和MySQL中都有一个id=1的记录，但是其中一个字段的取值不同，则该模式会将这种差异抹除。对于“你有我无”的记录则“置之不理”。

allowinsert：该模式用于将Hive中有但目标表中无的记录同步到目标表中，但同时也会同步不一致的记录。可以这种模式可以包含updateony模式的操作，这也是为什么没有命名为insertonly的原因吧。

测试场景一：全量导出

1. 准备原始数据：

为简化处理，先在MySQL中创建原始数据表wht_test1，并添加测试数据，如下所示：

2. 将原始表中的数据导入到Hive中。

sqoop import --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test1 --fields-terminated-by ',' --hive-import --hive-table default.wht_test1 --hive-overwrite -m 1

执行完该操作后，导入的数据在HDFS的/user/hive/warehouse/wht_test1目录下。

3. 创建导出表。

在MySQL中创建结构相同的表，用于导出数据：

CREATE TABLEwht_test2 LIKE wht_test1;

4. 从Hive（HDFS）导出数据。

sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --export-dir /user/hive/warehouse/wht_test1

执行完该操作后，MySQL的wht_test2表中插入了Hive中的数据，如下所示：

测试场景二：增量导出，在源数据中增加2条记录，查看不同模式导出结果

1. 编辑HDFS中的数据文件，添加两行新的记录，编辑后的文件内容如下所示：

Ø updateonly模式：

sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --update-key c_id --export-dir /user/hive/warehouse/wht_test1

查看结果，可以看出Updateonly模式不能导出新增数据：

Ø allowinsert模式：

sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --update-key c_id --update-mode allowinsert --export-dir /user/hive/warehouse/wht_test1

查看结果，新增数据被导出：

测试场景三：修改Hive表数据，修改age的值，并新增一行记录，然后重新导出，看目标表中的数据是否会被修改

1. 编辑HDFS中的数据文件，编辑后的文件内容如下所示：

sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --update-key c_id --update-mode updateonly --export-dir/user/hive/warehouse/wht_test1

查看结果，Hive表中修改的数据被更新，但updateonly模式不会导出新插入的记录：

测试场景三：allowinsert模式（导出不同HDFS源文件中的新增数据）

Hive表可能有多个分区，在此新增一个目录，并保存结构相同的数据，使用allowinsert模式查看导出结果。

查看结果，新增数据被导出：

新增数据目录wht_test1_part，该目录下的数据文件如下所示：

执行导出命令：sqoop export --connect jdbc:mysql://localhost:3306/wht --usernameroot --password cloudera --table wht_test2 --fields-terminated-by ',' --update-key c_id --update-mode allowinsert --export-dir/user/hive/warehouse/wht_test1_part

查看导出结果，可以看出新增数据被导出：