【大数据技术】Sqoop

Sqoop:SQL-to-Hadoop，传统数据库与Hadoop间数据同步工具。（MySQL、Oracle <==> HDFS、HBase、Hive）

Sqoop 的核心设计思想是利用 MapReduce 分布式批处理，加快了数据传输速度，保证了容错性。也就是说 Sqoop 的导入和导出功能是通过 MapReduce 作业实现的。

（1）sqoop2优势：

在架构上，sqoop2引入了sqoop server（具体服务器为tomcat），对connector实现了集中的管理。访问方式也变得多样化了，其可以通过REST API、JAVA API、WEB UI以及CLI控制台方式进行访问。

 sqoop2的部署相比于sqoop1复杂的多。

sqoop2不兼容sqoop1，sqoop1中的import和export脚本实现的功能用JAVA API去重新编写。

（1）sqoop import原理：
        从传统数据库获取元数据信息(schema、table、field、field type)，把导入功能转换为只有Map的Mapreduce作业，在mapreduce中有很多map，每个map读一片数据，进而并行的完成数据的拷贝。

• 在导入前，Sqoop使用JDBC来检查将要导入的数据表。
• Sqoop检索出表中所有的列以及列的SQL数据类型。
• 把这些SQL类型的映射到java数据类型，例如（VARCHAR、INTEGER）———>（String，Integer）。
• 在MapReduce应用中将使用这些对应的java类型来保存字段的值。
• Sqoop的代码生成器使用这些信息来创建对应表的类，用于保存从表中抽取的记录。

（2）sqoop export原理：
        获取导出表的schema、meta信息，和Hadoop中的字段match；多个map only作业同时运行，完成hdfs中数据导出到关系型数据库中。

• 在导出前，sqoop会根据数据库连接字符串来选择一个导出方法 ————>对于大部分系统来说，sqoop会选择JDBC。
• Sqoop会根据目标表的定义生成一个java类。
• 这个生成的类能够从文本中解析出记录，并能够向表中插入类型合适的值（除了能够读取ResultSet中的列）。
• 然后启动一个MapReduce作业，从HDFS中读取源数据文件。
• 使用生成的类解析出记录，并且执行选定的导出方法。