Sqoop 学习

参考视频

大数据Sqoop教程丨从零开始讲解大数据业务及数据采集和迁移需求_哔哩哔哩_bilibili

介绍

Sqoop是Hadoop生态体系和RDBMS（关系型数据库）体系之间传送数据的一种工具

Hadop生态系统：HDFS，Hbase，Hive等

RDBMS包括：Mysql，Oracle，DB2等

Import：数据导入， RDBMS（DBinputFormat） -> Hadoop(TestoutputFormat)

export: 数据导出，Hadoop(DBoutputFormat) -> RDBMS(TestInputFormat)

机制

Sqoop工作机制是将导入或导出命令翻译成MapReduce程序来实现，在翻译出的MapReduce中主要对ImportFormat和OutFormat进行定制

安装部署

前置条件：

安装java，hadoop

配置文件(基于sqoop1.4.6)：

上传，解压，修改配置

cd $SQOOP_HOME/conf
mv sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.shexport HADOOP_CONFIG_HOME=/export/../hadoop-2.7.5
export HADOOP_MAPRED_HOME=/export/../hadoop-2.7.5
export HIVE_HOME=/export/../hive

加入mysql的jdbc驱动包

cp /hive/lib/mysql-connector-java-5.1.32.jar $SQOOP_HOME/lib/

验证

bin/sqoop list-databases \
--connect jdbc:mysql://localhost:3306/ \
--username root --password 123456\: 一行过长，用\表示一行还没有完，等待

sqoop导入

bin/sqoop import \
--connect jdbc:mysql://ip:port/dbName \
--username roor \
--password 123456\
--delete-target-dir \ （如果target-dir 的路径存在，提前删除）
--target-dir /sqoopresult \ (可以用来存放导出数据存放到HDFS的目录)
--table myTableName \
--m 1 \ (可以理解成maptask ，并行度，表有主键根据主键分，没有主键需要指定字段)
--split-by id \ (根据什么字段切割，最好是数字字段)
--fields-terminated-by '\t' (指定分隔符，还可以,等，默认，)条件导入
--where "age>12" (条件查询导入，可改成每天时间，则是每日导出)
--query 'select id,name,age from myTableName where age>18 and $CONDITIONS' (1 不加--table,2 必须有where条件, 3必须加上$CONDITIONS, 4 sql必须是单引号)增量导入
--check-column(col)  (指定列,一般是主键或者时间戳，自增长不重复)
--incremental(mode)  (append:追加 lastmodified:最后的修改时间)
--last-value(value)  (指定上次导入后判断的最大值，也可以自己指定某一个值)
--merge-key (col)(append模式下可以合并文件，不会每次导入都在hdfs里新增一个文件.除了追加合并外，如果之前的数据有修改也可以进行修改操作，且数据不会重复)
eg:
--check-column id
--incremental append
--last-value 1205 
--merge-key id (追加，id>=1205的数据)
--check-column create_time
--incremental lastmodified
--last-value '2020-02-01 15:00:00' (追加，大于整个时间的数据)