欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

Hadoop 之 Sqoop 安装配置与示例

程序员文章站 2022-07-02 16:08:03
Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具,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是为大数据集设计的。Sqoop支持增量更新,将新记 ......

Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具,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是为大数据集设计的。Sqoop支持增量更新,将新记录添加到最近一次的导出的数据源上,或者指定上次修改的时间戳。

接下来我们看一下如何安装与做简单示例

要安装Sqoop与简单应用,当然需要先安装好Hadoop,Hive, 相关的数据库,如Mysql,Sql Server

一、下载安装包

1、 下载地址:选择CDH相应版本下的

http://archive.cloudera.com/cdh5/cdh/5/

下载sqoop-1.4.5-cdh5.3.6.tar.gz安装包

2、解压sqoop-1.4.5-cdh5.3.6.tar.gz至指定目录,如:/opt

       mv sqoop-1.4.5-cdh5.3.6.tar.gz  /opt

       tar -zxvf sqoop-1.4.5-cdh5.3.6.tar.gz

二、配置环境变量

      /etc/profile

#sqoop enviroment 
export SQOOP_HOME=/opt/sqoop-1.4.5-cdh5.3.6
export PATH=$PATH:$SQOOP_HOME/bin

三、Sqoop配置项更改

 1、$HIVE_HOME/conf/hive-env.sh

  example,这里具体值是我本地测试目录,可自行更改,如果数据操作不涉及Hbase,那么相关Hbase的配置可以不配,如果没有独立的ZooKeeper集群,那么ZooKeeper不用配置

export HADOOP_COMMON_HOME=/opt/hadoop/hadoop-2.7.3
#Set path to where hadoop-*-core.jar is available
#export HADOOP_MAPRED_HOME=
export HADOOP_MAPRED_HOME=/opt/hadoop/hadoop-2.7.3

#set the path to where bin/hbase is available
#export HBASE_HOME=

#Set the path to where bin/hive is available
#export HIVE_HOME=
export HIVE_HOME=/opt/hive/apache-hive-2.1.1.bin

2、配置jdbc驱动包

下载mysql的jdbc驱动包mysql-connector-java-5.1.6-bin.jar放入sqoop的lib目录下$SQOOP_HOME/lib

下载sqlserver的jdbc驱动包sqljdbc4.jar放入sqoop的lib目录下$SQOOP_HOME/lib

四、连接数据库与表命令

    因本地Sql server数据库的表有数据,就以Sql Server为例,mysql相似

    1、连接数据库,查看数据库列表  

sqoop list-databases
 --connect 'jdbc:sqlserver://10.10.0.1:1433;instanceName=SQL2008;username=test;password=test;database=testDB'

  2、连接sqlserver列出数据库在表    

sqoop list-tables \
--connect
'jdbc:sqlserver:// 10.0.0.1:1433;instanceName=SQL2008;username=test;password=test;database=testDB’

  3、导入数据库中查询的结果到指定的hdfs中目录 

sqoop import \
--connect 'jdbc:sqlserver://10.0.0.1:1433;instanceName=SQL2008;username=test;password=test;database=TestDB' \
- -query 'select CustomerID,UserName from Customer where $CONDITIONS  ' \
--target-dir /user/hive/warehouse/tmp2 \
--num-mappers 1

 

可选参数

--table  //指定表名

--as-parquetfile //指定文件格式

--columns id,account  //指定表的列

指定压缩

--compress

--compression-codec org.apache.hadoop.io.compress.SnappyCodec

 --fields-terminated-by '\t'   //指定列的分隔符,这个很关键,在导入导出时最好指定

#增量导入

--incremental append

- -check-column id  //以哪个字段为依据,如id字段

--last-value 4

 

4、从sql server中导入到hive数据库中

sqoop import \
--connect 'jdbc:sqlserver://10.0.0.1:1433;instance=SQL2008;username=test;password=test;database=TestDB' \
--table Customer \
--fields-terminated-by ',' \
--num-mappers 1 \
--hive-import \
--hive-database mydatabase \
--hive-table test_table

 

5、从HDFS中将数据导入Sql Server数据库

sqoop export \
--connect 'jdbc:sqlserver://10.0.0.1:1433;instanceName=SQL2008;username=test;password=test;database=TestDB' \
--table ken_test \
--export-dir /user/hive/warehouse/tmp1/part-m-00000 \
--num-mappers 1

本人遇到的问题:

导出文件指定到文件名 Error :Verify the server and instance names and check that no firewall is blocking UDP traffic to port 1434

          当有多个数据库实例时,注意开放相应的端口

          如连接实例SQL2008,连接字符串中地址改为 sqlserver://10.0.0.1\SQL2008 

一直报错,导出不成功
ERROR tool.ExportTool: Error during export: Export job failed!

     最后通过表的每一个字段类型分析,主键的自增类型字段是否影响数据导入,测试结果,确实如此,不能对自增长类型字段直接赋值,当然是限于当前的环境

    若是我们在数据库客户端是可以这样操作的

 

附参数说明:

--append

添加到HDFS已存在数据记录中

 --as-sequencefile

import序列化的文件

 --as-textfile

 plain文件 ,默认

--columns <col,col,col…>

 指定列import,逗号分隔,如:--columns "id,name"

--delete-target-dir

若已存在的import目录,则删除

--direct

直连模式,速度更快(HBase不支持)

--fetch-size <n>

一次从数据库读取n条数据

-m,--num-mappers <n>

建立 n 个并发执行task import

 -e,--query <statement>

表达式<statement>执行,一般有条件查询数据时用

 --split-by <column-name>

根据column分隔实例

 --autoreset-to-one-mappe

如果没有主键和split-by参数  用one mapper import,此参数与split-by参数二选一

 --target-dir <d>

  HDFS中目标路径,如/user/hive/warehouse

 --warehouse-dir <d>

HDFS 中表的父级目录

 --where <where clause>

 指定where从句,如果有双引号,注意转义 \$CONDITIONS,一定要加上,不能用or,子查询,join

 -z,--compress

 开启压缩

 --null-string <null-string>

  string列为空指定为此值

 --null-non-string <null-string>

  非string列为空指定为此值,-null这两个参数可选 , 如果不设置,会指定为"null"

     --export-dir

     指定导出的文件位置,不是目录,具体化文件名