在先前的几篇随笔中已经介绍了Hadoop、Zookeeper、Hbase的分布式框架搭建方案，目前已经搭建完成了一个包含11个节点的分布式集群。而对于HBase数据库的使用仅限于测试性质的增删改查指令，为了进一步熟悉分布式框架的使用，本文介绍将已有的数据从关系型数据库SQL Server中导入到HBase中的方法。
要完成从关系型数据库到HBase数据的迁移，我们需要使用Sqoop工具，Sqoop是Apache的一个独立项目，设计目的即是在Hadoop(Hive)和传统数据库(MySQL、postgresql)之间进行数据的传递。Sqoop工具基于数据仓库工具Hive，通过Hive来将数据查询转换成MapReduce任务实现数据的传递。因此，要完成本次数据的迁移，我们需要以下几个准备：
④Connector between SQL Server and Sqoop：sqoop-sqlserver-1.0.tar.gz
======================以下所有操作均在Master主机上并且以root用户执行======================
1、安装Hive
①建立hive目录
cd /home
mkdir hive
②解压安装包(安装包移至/home/hive下)
tar -zxvf apache-hive-2.1.1-bin.tar.gz
③设置环境变量
vi /etc/profile
追加以下：
export HIVE_HOME=/home/hive/apche-hive-2.1.1-bin
export PATH=$HIVE_HOME/bin:$PATH
export PATH
追加以下：
export HCAT_HOME=$HIVE_HOME/hcatalog
④使配置生效
source /etc/profile
2、安装sqoop
①建立sqoop目录
cd /home
mkdir sqoop
②解压安装包(安装包移至/home/sqoop下)
tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
③设置环境变量
vi /etc/profile
追加以下：
export SQOOP_HOME=/home/sqoop/sqoop-1.4.6.bin__hadoop-2.0.4-alpha
export SQOOP_CONF_DIR=$SQOOP_HOME/conf
export PATH=$SQOOP_HOME/bin:$PATH
export PATH
④使配置生效
source /etc/profile
3、配置JDBC
①解压(位置随意)
tar -zxvf sqljdbc_3.0.1301.101_enu.atr.gz
②复制jdbc到sqoop下
cp sqljdbc_3.0/enu/sqljdbc4.jar /home/sqoop/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib
4、配置SQL Server sqoop Connector
①解压(位置随意，这里是/home)
tar -zxvf sqoop-sqlserver-1.0.tar.gz
②设置环境变量
vi /etc/profile
追加以下：
export MSSQL_CONNECTOR_HOME=/home/sqoop-sqlserver-1.0/
配置生效：
source /etc/profile
③配置到sqoop
cd sqoop-sqlserver-1.0
./install.sh
5、 配置sqoop
存在这部分工作的原因是sqoop的默认配置会有一些我们不需要用到的东西，在其配置文件$SQOOP_HOME/bin/configure-sqoop文件中，定义了许多需要预先配置的参数与环境，有些我们已经配置完成，但是另外有些是不需要用到的(目前还没意识到有什么作用)，因此，为了防止运行时检查配置不通过，我们直接的处理办法就是取消这部分的配置检查。
注释ACCUMULO相关配置：在configure-sqoop文件中，注释掉与ACCUMULO_HOME相关的所有命令行，并保存退出。
6、目前的环境变量
值得注意的是，之前并没有加入HBase的环境变量，在这里是需要把HBase相关的环境变量加入的。
#/etc/profile
#System wide environment and startup programs, for login setup#Functions and aliases go in /etc/bashrc
#It's NOT a good idea to change this file unless you know what you#are doing. It's much better to create a custom.sh shell script in#/etc/profile.d/ to make custom changes to your environment, as this#will prevent the need for merging in future updates.
pathmunge () {
case":${PATH}:" in
*:"$1":*)
;;*)if [ "$2" = "after"] ; then
PATH=$PATH:$1
elsePATH=$1:$PATHfi
esac
}if [ -x /usr/bin/id ]; thenif [ -z "$EUID"]; then#ksh workaround
EUID=`id -u`
UID=`id -ru`
fi
USER="`id -un`"
LOGNAME=$USER
MAIL="/var/spool/mail/$USER"fi
# Path manipulation
if ["$EUID"="0"]; then
pathmunge /sbin
pathmunge /usr/sbin
pathmunge /usr/local/sbin
else
pathmunge /usr/local/sbin after
pathmunge /usr/sbin after
pathmunge /sbin after
fi
HOSTNAME=`/bin/hostname 2>/dev/null`
HISTSIZE=1000
if ["$HISTCONTROL"="ignorespace"] ; then
export HISTCONTROL=ignoreboth
else
export HISTCONTROL=ignoredups
fi
export PATH USER LOGNAME MAIL HOSTNAME HISTSIZE HISTCONTROL
# By default, we want umask to get set. This sets it for login shell
# Current threshold for system reserved uid/gids is 200
# You could check uidgid reservation validity in
# /usr/share/doc/setup-*/uidgid file
if [ $UID -gt 199 ] && ["`id -gn`"="`id -un`"]; then
umask 002
else
umask 022
fi
for i in /etc/profile.d/*.sh ; do
if [ -r"$i"]; then
if ["${-#*i}" != "$-" ]; then
. "$i"
else."$i" >/dev/null 2>&1fi
fi
done
unset i
unset-fpathmunge
export JAVA_HOME=/usr/lib/jvm/java-1.7.0-openjdk-1.7.0.131.x86_64
export CLASSPATH=.:$JAVA_HOME/jre/lib/rt.jar:$JAVA_HOME/lib/dt.jar:$JAVA_HOME/lib/tools.jar
export PATH=$PATH:$JAVA_HOME/bin#hadoop
export HADOOP_HOME=/home/hadoop/hadoop-2.7.3export PATH=$PATH:$HADOOP_HOME/sbin
export PATH=$PATH:$HADOOP_HOME/bin#zookeeper
export ZOOKEEPER_HOME=/home/zookeeper/zookeeper-3.4.6/export PATH=$ZOOKEEPER_HOME/bin:$PATHexport PATH#HBase
export HBASE_HOME=/home/hbase/hbase-1.2.4export PATH=$HBASE_HOME/bin:$PATHexport PATH#hive
export HIVE_HOME=/home/hive/apache-hive-2.1.1-bin
export PATH=$HIVE_HOME/bin:$PATHexport PATH
export HCAT_HOME=$HIVE_HOME/hcatalog#sqoop
export SQOOP_HOME=/home/sqoop/sqoop-1.4.6.bin__hadoop-2.0.4-alpha
export SQOOP_CONF_DIR=$SQOOP_HOME/conf
export PATH=$SQOOP_HOME/bin:$PATHexport PATH
export MSSQL_CONNECTOR_HOME=/home/sqoop-sqlserver-1.0/
7、数据迁移实验
在执行迁移命令之前，需要在Hbase中建立好对应的表
#hbase shell
进入hbase shell后执行
>create 'test', 'cf'
然后在Terminal中执行
#sqoop import --connect 'jdbc:sqlserver://;username=;password=;database=' --table --hbase-table --column-family --hbase-row-key
需要注意：
①如果SQL Server的表是正常的单一主键的表结构，那么可以直接指定hbase-row-key执行上述命令，此时该命令会默认以多个mapreduce任务执行该指令
②如果SQL Server的表是联合主键，那么这样导入就会存在一个问题，无法根据主键分解查询任务，也就没有办法进行MapReduce，那么此时必须指定参数 '-m 1'只用一个mapreduce任务
③针对没有主键的情况，若数据量巨大，必须分为多个mapreduce任务，那么需要找到一个拆分字段，从而hive可以根据该字段拆分任务。此时我们须在导入指令中添加'--split-by '
在我实际的操作中，SQL Server中的表结构是联合主键，第一次导入表中100条数据记录，根据这篇博客的介绍，配置了$SQOOP_HOME/conf/sqoop-site.xml，我指定了'--hbase-row-key ,'，并指定'-m 1'，导入数据成功。(耗时22sec)
第二次尝试将数据库中的近160W条数据记录导入到HBase中，添加参数'--split-by '，并指定'-m 12'，数据同样导入成功。(耗时17min25sec)
8、存在问题
对sqoop拆分任务的理解仍然不够深入，自己完成的实验虽然成功，但是并没有做对比实验确定真正的影响因素
9、参考文章
参考链接
覆盖优化 - 附代码)
