sqoop快速上手简明教程

 多易教育，专注大数据培训； 课程引领市场，就业乘风破浪
 [多易教育官网地址](https://www.51doit.cn/?utm_platform=csdn&utm_campain=coupon)
 https://www.51doit.cn
[多易教育在线学习平台](https://v.51doit.cn/?utm_platform=csdn_ck)
https://v.51doit.cn

1. 概述

sqoop 是 apache 旗下一款“Hadoop中的各种存储系统（HDFS、HIVE、HBASE） 和关系数据库（mysql、oracle、sqlserver等）服务器之间传送数据”的工具。

 

核心的功能有两个：

导入（迁入）

导出（迁出）

 

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 mysql 等 Sqoop 的本质还是一个命令行工具，和 HDFS，Hive 相比，并没有什么高深的理论。

 

sqoop：

工具：本质就是迁移数据

迁移的方式：就是把sqoop的迁移命令转换成MR程序，而且没有reduce task任务

 

1. 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

1. 安装
   1. 前提概述

将来sqoop在使用的时候有可能会跟那些系统或者组件打交道？

HDFS， MapReduce， YARN， ZooKeeper， Hive， HBase， MySQL

sqoop就是一个工具， 只需要在一个节点上进行安装即可。

补充一点： 如果你的sqoop工具将来要进行hive或者hbase等等的系统和MySQL之间的交互

你安装的SQOOP软件的节点一定要包含以上你要使用的集群或者软件系统的安装包

补充一点： 将来要使用的azakban这个软件 除了会调度 hadoop的任务或者hbase或者hive的任务之外， 还会调度sqoop的任务

 azkaban这个软件的安装节点也必须包含以上这些软件系统的客户端

1. 1. 软件下载

下载地址http://mirrors.hust.edu.cn/apache/

 

sqoop版本说明

绝大部分企业所使用的sqoop的版本都是 sqoop1

sqoop-1.4.6 或者 sqoop-1.4.7 它是 sqoop1

sqoop-1.99.4----都是 sqoop2(偏向服务化）

此处使用sqoop-1.4.6版本sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz

1. 1. 安装步骤

（1）上传解压缩安装包到指定目录

因为之前hive只是安装在hadoop3机器上，所以sqoop也同样安装在hadoop3机器上

[hadoop@hadoop3 ~]$ tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C apps/

（2）进入到 conf 文件夹，找到 sqoop-env-template.sh，修改其名称为 sqoop-env.sh

[hadoop@hadoop3 ~]$ cd apps/

[hadoop@hadoop3 apps]$ ls

apache-hive-2.3.3-bin  hadoop-2.7.5  hbase-1.2.6  sqoop-1.4.6.bin__hadoop-2.0.4-alpha  zookeeper-3.4.10

[hadoop@hadoop3 apps]$ mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha/ sqoop-1.4.6

[hadoop@hadoop3 apps]$ cd sqoop-1.4.6/conf/

[hadoop@hadoop3 conf]$ ls

oraoop-site-template.xml  sqoop-env-template.sh    sqoop-site.xml

sqoop-env-template.cmd    sqoop-site-template.xml

[hadoop@hadoop3 conf]$ mv sqoop-env-template.sh sqoop-env.sh

（3）修改 sqoop-env.sh

[hadoop@hadoop3 conf]$ vi sqoop-env.sh

export HADOOP_COMMON_HOME=/home/hadoop/apps/hadoop-2.7.5

#Set path to where hadoop-*-core.jar is availableexport HADOOP_MAPRED_HOME=/home/hadoop/apps/hadoop-2.7.5

#set the path to where bin/hbase is availableexport HBASE_HOME=/home/hadoop/apps/hbase-1.2.6

#Set the path to where bin/hive is availableexport HIVE_HOME=/home/hadoop/apps/apache-hive-2.3.3-bin

#Set the path for where zookeper config dir isexport ZOOCFGDIR=/home/hadoop/apps/zookeeper-3.4.10/conf

#Set path to where bin/hadoop is available export HADOOP_COMMON_HOME=/opt/app/hadoop-2.8.5/   #Set path to where hadoop-*-core.jar is available export HADOOP_MAPRED_HOME=/opt/app/hadoop-2.8.5/share/hadoop/mapreduce   #set the path to where bin/hbase is available #export HBASE_HOME=   #Set the path to where bin/hive is available export HIVE_HOME=/opt/app/hive-2.1.0/   #Set the path for where zookeper config dir is #export ZOOCFGDIR=

为什么在sqoop-env.sh 文件中会要求分别进行 common和mapreduce的配置呢？？？

在apache的hadoop的安装中；四大组件都是安装在同一个hadoop_home中的

但是在CDH（cloudera公司）, HDP（Hortonworks）中， 这些组件都是可选的。

在安装hadoop的时候，可以选择性的只安装HDFS或者YARN，

CDH,HDP在安装hadoop的时候，会把HDFS和MapReduce有可能分别安装在不同的地方。

（4）加入 mysql 驱动包到 sqoop1.4.7/lib 目录下

[hadoop@hadoop3 ~]$ cp mysql-connector-java-5.1.40-bin.jar apps/sqoop-1.4.6/lib/

 

（5）配置系统环境变量

[hadoop@hadoop3 ~]$ vi .bashrc

#Sqoop

export SQOOP_HOME=/home/hadoop/apps/sqoop-1.4.6

export PATH=$PATH:$SQOOP_HOME/bin

 

保存退出使其立即生效

[hadoop@hadoop3 ~]$ source .bashrc

（6）验证安装是否成功

 sqoop  version

 

回到顶部

1. Sqoop的基本命令
   1. 基本操作

首先，我们可以使用 sqoop help 来查看，sqoop 支持哪些命令

[hadoop@hadoop3 ~]$ sqoop help

Warning: /home/hadoop/apps/sqoop-1.4.6/../hcatalog does not exist! HCatalog jobs will fail.

Please set $HCAT_HOME to the root of your HCatalog installation.

Warning: /home/hadoop/apps/sqoop-1.4.6/../accumulo does not exist! Accumulo imports will fail.

Please set $ACCUMULO_HOME to the root of your Accumulo installation.

18/04/12 13:37:19 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6

usage: sqoop COMMAND [ARGS]

 

Available commands:

  codegen            生成代码

  create-hive-table     导入一个表的结构到hive，就是根据mysql中的表定义在hive中建一个同结构的表

  eval               测试一个sql语句并展示查询结果

  export             将一个hdfs目录中的数据导出到一个mysql的表中

  help               List available commands

  import             从一个数据库中导入一个表的数据到hdfs

  import-all-tables     将一个数据库中的所有表导入到 HDFS

  import-mainframe    Import datasets from a mainframe server to HDFS

  job                Work with saved jobs

  list-databases        List available databases on a server

  list-tables           List available tables in a database

  merge              Merge results of incremental imports

  metastore          Run a standalone Sqoop metastore

  version            Display version information

 

See 'sqoop help COMMAND' for information on a specific command.

[hadoop@hadoop3 ~]$

然后得到这些支持了的命令之后，如果不知道使用方式，可以使用 sqoop command 的方式 来查看某条具体命令的使用方式，比如：

示例：

列出MySQL数据有哪些数据库

[hadoop@hadoop3 ~]$ sqoop list-databases

> --connect jdbc:mysql://hadoop1:3306/

> --username root

> --password root

Warning: /home/hadoop/apps/sqoop-1.4.6/../hcatalog does not exist! HCatalog jobs will fail.

Please set $HCAT_HOME to the root of your HCatalog installation.

Warning: /home/hadoop/apps/sqoop-1.4.6/../accumulo does not exist! Accumulo imports will fail.

Please set $ACCUMULO_HOME to the root of your Accumulo installation.

18/04/12 13:43:51 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6

18/04/12 13:43:51 WARN tool.BaseSqoopTool: Setting your password on the command-line is insecure. Consider using -P instead.

18/04/12 13:43:51 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.information_schema

hivedb

mysql

performance_schema

test

[hadoop@hadoop3 ~]$

 

列出MySQL中的某个数据库有哪些数据表：

[hadoop@hadoop3 ~]$ sqoop list-tables
> --connect jdbc:mysql://hadoop1:3306/mysql
> --username root
> --password root

 

创建一张跟mysql中的help_keyword表一样的hive表hk：

sqoop create-hive-table

--connect jdbc:mysql://hadoop1:3306/mysql

--username root

--password root

--table help_keyword

--hive-table hk

 

五、Sqoop的数据导入import

“导入工具”导入单个表从 RDBMS 到 HDFS。表中的每一行被视为 HDFS 的一条记录。所有记录 都存储为文本文件的文本数据（或者 Avro、sequence 、parquet文件等二进制数据） 

1、从RDBMS导入到HDFS中

语法格式

sqoop import (generic-args) (import-args)

常用参数

--connect <jdbc-uri> jdbc 数据库连接地址 jdbc:mysql

--connection-manager <class-name> 连接管理者DriverManager，都是用默认的

--driver <class-name> 驱动类，都是用默认的

--hadoop-mapred-home <dir>    如果指定，则会覆盖掉sqoop-env.sh中的参数$HADOOP_MAPRED_HOME

--help   帮助信息

-P 从命令行输入msyql的密码

--password <password> mysql密码

--username <username> mysql账号

--verbose 打印流程信息

--connection-param-file <filename> 可选参数，比如数据库超时时间等

--table    所要导入的表名

 

完整参数列表，可以用如下命令来获取：

sqoop import --help

 

 

示例

普通导入：导入mysql库中的help_keyword的数据到HDFS上

导入的默认路径：/user/hadoop/help_keyword/

sqoop import   

--connect jdbc:mysql://hadoop1:3306/mysql   

--username root  

--password root   

--table help_keyword   

-m 1

 

查看导入的文件

[hadoop@hadoop4 ~]$ hadoop fs -cat /user/hadoop/help_keyword/part-m-00000

 

导入： 指定分隔符和导入路径

 sqoop import   

--connect jdbc:mysql://hadoop1:3306/mysql   

--username root  

--password root   

--table help_keyword   

--target-dir /user/hadoop11/my_help_keyword1  

--fields-terminated-by 't'  

--split-by help_keyword_id

-m 2

 

导入数据：带where条件

sqoop import   

--connect jdbc:mysql://hadoop1:3306/mysql   

--username root  

--password root   

--where "name='STRING' "

--table help_keyword   

--target-dir /sqoop/hadoop11/myoutport1  

-m 1

 

查询指定列

sqoop import   

--connect jdbc:mysql://hadoop1:3306/mysql   

--username root  

--password root   

--columns "name id age"

--where "name='STRING' "

--table help_keyword  

--target-dir /sqoop/hadoop11/myoutport22  

-m 1

 

导入：指定自定义查询SQL

sqoop import   

--connect jdbc:mysql://hadoop1:3306/  

--username root  

--password root   

--target-dir /user/hadoop/myimport33_1  

--query 'select help_keyword_id,name from mysql.help_keyword where name = "STRING"' and  $CONDITIONS 

--split-by  help_keyword_id

--fields-terminated-by 't'  

-m 4

 

在以上需要按照自定义SQL语句导出数据到HDFS的情况下：
1、引号问题，要么外层使用单引号，内层使用双引号，$CONDITIONS的$符号不用转义， 要么外层使用双引号，那么内层使用单引号，然后$CONDITIONS的$符号需要转义
2、自定义的SQL语句中必须带有WHERE $CONDITIONS

2、把MySQL数据库中的表数据导入到Hive中

Sqoop 导入关系型数据到 hive 的过程是先导入到 hdfs，然后再 load 进入 hive

普通导入：数据存储在默认的default hive库中，表名就是对应的mysql的表名：

sqoop import   

--connect jdbc:mysql://hadoop1:3306/mysql   

--username root  

--password root   

--table help_keyword   

--hive-import

--m 1

导入过程

第一步：导入mysql.help_keyword的数据到hdfs的默认路径
第二步：自动仿造mysql.help_keyword去创建一张hive表, 创建在默认的default库中
第三步：把临时目录中的数据导入到hive表中

 

查看数据

[hadoop@hadoop3 ~]$ hadoop fs -cat /user/hive/warehouse/help_keyword/part-m-00000

 

指定行分隔符和列分隔符，指定hive-import，指定覆盖导入，指定自动创建hive表，指定表名，指定删除中间结果数据目录

sqoop import  --connect jdbc:mysql://hadoop1:3306/mysql  

--username root  

--password root  

--table help_keyword  

--fields-terminated-by "t"  

--lines-terminated-by "n"  

--hive-import  

--hive-overwrite  

--create-hive-table  

--delete-target-dir

--hive-database  mydb_test

--hive-table new_help_keyword

 报错原因是hive-import 当前这个导入命令。 sqoop会自动给创建hive的表。 但是不会自动创建不存在的库

 

手动创建mydb_test数据块

hive> create database mydb_test;

OK

Time taken: 6.147 seconds

hive>

之后再执行上面的语句没有报错

 

查询一下

select * from new_help_keyword limit 10;

 

上面的导入语句等价于

sqoop import  

--connect jdbc:mysql://hadoop1:3306/mysql  

--username root  

--password root  

--table help_keyword  

--fields-terminated-by "t"  

--lines-terminated-by "n"  

--hive-import  

--hive-overwrite  

--create-hive-table  

--hive-table  mydb_test.new_help_keyword  

--delete-target-dir

 

 

增量导入

执行增量导入之前，先清空hive数据库中的help_keyword表中的数据

truncate table help_keyword;

sqoop import   

--connect jdbc:mysql://hadoop1:3306/mysql   

--username root  

--password root   

--table help_keyword  

--target-dir /user/hadoop/myimport_add  

--incremental  append  

--check-column  help_keyword_id

--last-value 500  

--m 1

 

 

 

 

语句执行成功

 查看结果

3、把MySQL数据库中的表数据导入到hbase

 普通导入

sqoop import

--connect jdbc:mysql://hadoop1:3306/mysql

--username root

--password root

--table help_keyword

--hbase-table new_help_keyword

--column-family person

--hbase-row-key help_keyword_id

 

 

此时会报错，因为需要先创建Hbase里面的表，再执行导入的语句

hbase(main):001:0> create 'new_help_keyword', 'base_info'0 row(s) in 3.6280 seconds

=> Hbase::Table - new_help_keyword

hbase(main):002:0>

 

关于空值的处理

sqoop是一个数据迁移工具，一次导入或导出，都涉及到读、写两个数据流向

不管读，还是写，都需要对空进行处理

读： 什么样的东西应该视为空

--input-null-non-string   <null-str>

--input-null-string  <null-str>

写： 空应该写成什么样的东西

   --null-non-string  ‘\N’             

   --null-string <null-str>    \N’    

 多易教育，专注大数据培训； 课程引领市场，就业乘风破浪
 [多易教育官网地址](https://www.51doit.cn/?utm_platform=csdn&utm_campain=coupon)
 https://www.51doit.cn
[多易教育在线学习平台](https://v.51doit.cn/?utm_platform=csdn_ck)
https://v.51doit.cn

     

最后

以上就是虚心航空为你收集整理的sqoop快速上手简明教程的全部内容，希望文章能够帮你解决sqoop快速上手简明教程所遇到的程序开发问题。

如果觉得靠谱客网站的内容还不错，欢迎将靠谱客网站推荐给程序员好友。