ETL工具sqoop

文章目录 ETL工具sqoopsqoop简介sqoop安装一、安装包的获取：二、上传安装包到服务器三、进行安装配置四、验证sqoop sqoop常用命令sqoop案例一、基础操作二、导入数据操作三、导出数据操作

sqoop简介

Sqoop(发音：skup)是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres等）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。 Sqoop项目开始于2009年，最早是作为Hadoop的一个第三方模块存在，后来为了让使用者能够快速部署，也为了让开发人员能够更快速的迭代开发，Sqoop独立成为一个Apache项目。 Sqoop是一个在（MySQL、Oracle）等关系型数据库和大数据平台之间进行批量数据迁移的工具。Sqoop底层能实现将关系型数据库中的数据迁移到大数据平台上是因为sqoop的底层是采用MapReduce程序实现抽取、转换、加载，MapReduce本身就并行化和高容错率，能很好的保证数据的迁移，而且与Kettle等传统ETL工具相比，Sqoop的任务跑在Hadoop集群上，能有效减少ETL服务器资源的使用情况

sqoop安装 一、安装包的获取：

sqoop安装包： 官网：http://archive.apache.org/dist/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz mysql驱动： 网盘链接：https://pan.baidu.com/s/1-xksqP7DhP3wWIQeKgVi7A 提取码：1111

二、上传安装包到服务器

将sqoop安装包和mysql驱动器上传到集群中

三、进行安装配置

①解压sqoop压缩包

tar -zvxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/

②修改名字

mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha sqoop

③修改配置文件 在sqoop/conf/目录下修改sqoop-env-template.sh的名字

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

向sqoop-env.sh中最后添加如下配置：

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2 export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2 export HIVE_HOME=/opt/module/hive export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10 export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf export HBASE_HOME=/opt/module/hbase

④将jdbc驱动拷贝到sqoop/lib/目录下 cp mysql-connector-java-5.1.27-bin.jar 到 /sqoop/lib/目录下

四、验证sqoop

使用一个command命令检查sqoop是否安装完成 bin/sqoop help 出现一下内容便是安装完成： 测试是否能连接上mysql数据库

bin/sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 123456

如果连接成功会获取到当前mysql数据库中的数据库

sqoop常用命令 sqoop import 导入 --connect jdbc:mysql://127.0.0.1:3306/$db_name 连接数据库 --username root 数据库用户名 --password root 数据库密码 --target-dir /origin_data/$db_name/db/$1/$db_date HDFS地址 --table db_table 源头数据表 --delete-target-dir HDFS地址存在删除 --num-mappers $2 \--split-by $3 maptask数量 --input-null-string '\\N' 空值转换 --input-null-non-string '\\N' 非空字符串替换 --fields-terminated-by "\t" 字符串分割 --query "$4"' and $CONDITIONS;' -hive-home <dir> 重写$HIVE_HOME -hive-import 插入数据到hive当中，使用hive的默认分隔符 -hive-overwrite 重写插入 -create-hive-table 建表，如果表已经存在，该操作会报错 -hive-table <table-name> 设置到hive当中的表名 -hive-drop-import-delims 导入到hive时删除 \n, \r, and \0001 -hive-delims-replacement 导入到hive时用自定义的字符替换掉 \n, \r, and \0001 -hive-partition-key hive分区的key -hive-partition-value <v> hive分区的值 -map-column-hive <map> 类型匹配，sql类型对应到hive类型 sqoop案例 一、基础操作

列出MySQL中有哪些数据库

bin/sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 123456

结果：

列出MySQL中test数据库下有哪些表

bin/sqoop list-tables --connect jdbc:mysql://bigdata01:3306/test --username root --password 123456

结果：

在hive中etl数据库下创建一张跟mysql中一模一样的表

bin/sqoop create-hive-table --connect jdbc:mysql://bigdata01:3306/test --username root --password 123456 --table student1 --hive-table etl.student1_hive

结果： 表结构与mysql中的student1完全相同

二、导入数据操作

导入数据指的是从非大数据平台（EDBMS）将数据同步到大数据平台（HDFS、Hive、HBASE等）,关键字import

MySQL到HDFS 1.1、准备数据表 首先在mysql中创建一张表

CREATE TABLE `student1` ( `id` int(11) NOT NULL, `name` varchar(32) NOT NULL, `sex` varchar(4) NOT NULL, `age` int(11) NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;

向表中插入数据

insert into `student1`(`id`,`name`,`sex`,`age`) values (1,'sda','男',12),(2,'efa','女',15),(3,'nnc','女',19),(4,'fri','女',35),(5,'ethan','男',18),(6,'徐象','男',98),(7,'学习','女',18);

1.2、导入数据 1.2.1、 全表导入到HDFS

bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --target-dir /test/ \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1

结果 批量导入可以使用shell脚本，我这里仅提供一个范例，需要的同学自行修改脚本内容，并且才去的是全量导入方式，如果只需要进行增量或者变化量的导入此脚本不适用。 批量导入十张表脚本：

#! /bin/bash sqoop=/opt/module/sqoop/bin/sqoop #创建一个存放mysql表名的数组 tables=(activity_info activity_order activity_rule activity_sku base_category1 base_province base_region comment_info holiday_info date_info) #循环遍历执行导入数据 for i in ${tables[@]} do { $sqoop import \ --connect jdbc:mysql://bigdata01:3306/gmall \ --username root \ --password 123456 \ --table $i \ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --hive-overwrite \ --hive-table etl.$i } done

1.2.2、 导入指定的列到HDFS --columns bash bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --columns id,name,sex \ --target-dir /test/student1 \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1 \ --split-by id 结果： 1.2.3、 导入指定条件的数据到HDFS --where 内容：从student1表中查询出学生中年龄大于18岁的学生，并导入到HDFS中 bash bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --where 'age>18 and sex="男"' \ --target-dir /test/student1 \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1 \ --split-by id 结果： 1.2.4、将查询结果导入到HDFS 内容：从student1表中查询出学生中年龄小于等于25的学生，并导入到HDFS中 注意：如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。 bash bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --query "select * from student1 where \$CONDITIONS and age <= 25" \ --target-dir /test/student1 \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1 \ --split-by id 结果：

MySQL到Hive 首先要启动hive元数据服务 将MySQL中的test表导入到hive中

bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test\ --username root \ --password 123456 \ --table student1\ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --hive-overwrite \ --hive-table student1

结果： 注意:该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库

MySQL到HBase 首先要启动HBASE服务。同时在HBASE中手动创建表，因为部分版本原因，可能导致sqoop不会在HBASE中自动创建表格 3.1 在HBASE中创建student1_hbase表 3.2 将mysql中的数据同步到HBASE中

bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --where 'id >= 5' \ --hbase-create-table \ --hbase-table "student1_hbase" \ --hbase-row-key "id" \ --column-family "info" \ --num-mappers 1 \ --split-by id

结果：

三、导出数据操作

指定是将数据从大数据平台向非大数据平台同步数据。关键字export

从Hive/HDFS导出数据到MySQL hive的数据存储在hdfs，因此我们从hive导出到mysql的时候导的路径是hdfs上数据文件的位置。

bin/sqoop export \ --connect "jdbc:mysql://bigdata01:3306/etl?useUnicode=true&characterEncoding=utf-8" \ --username root \ --password 123456 \ --table grade \ --num-mappers 1 \ --export-dir /user/hive/warehouse/etl.db/grade/ \ --input-fields-terminated-by "\t"

---

1.本站遵循行业规范，任何转载的稿件都会明确标注作者和来源；2.本站的原创文章，会注明原创字样,如未注明都非原创，如有侵权请联系删除！；3.作者投稿可能会经我们编辑修改或补充；4.本站不提供任何储存功能只提供收集或者投稿人的网盘链接。