作者：手机用户2702933712 | 来源：互联网 | 2023-05-19 11:48
SQOOP官网：点击打开链接http:sqoop.apache.orgdocs1.4.4SqoopUserGuide.html文将重点说明通过Sqoop实现Mysql与HD
SQOOP 官网：点击打开链接 http://sqoop.apache.org/docs/1.4.4/SqoopUserGuide.html
文将重点说明通过Sqoop实现Mysql与HDFS互导数据，Mysql与Hbase,Oracle与Hbase的互导最后给出命令。
一、Mysql与HDFS互导数据
环境：
宿主机器操作系统为Win7，Mysql安装在宿主机上，宿主机地址为192.168.66.96
3台虚拟机操作系统为Ubuntu-12.04.1-32位
三台虚拟机已成功安装Hadoop，并实现免密钥互访，配hosts为：
192.168.66.91 masternode
192.168.66.92 slavenode1
192.168.66.93 slavenode2
/etc/profile已配置好必备环境变量HADOOP_HOME，JAVA_HOME
实验在masternode上进行，已成功连接mysql
步骤一，下载安装包：
我安装的Hadoop版本是原生hadoop-0.20.203.0，SQOOP不支持此版本，可使用CDH3版本hadoop，也可以通过拷贝相应的包到sqoop-1.2.0-CDH3B4/lib下，依然可以使用。
下载相关文件：http://archive.cloudera.com/cdh/3/hadoop-0.20.2-CDH3B4.tar.gzhttp://archive.cloudera.com/cdh/3/sqoop-1.2.0-CDH3B4.tar.gzsqoop-1.2.0-CDH3B4依赖hadoop-core-0.20.2-CDH3B4.jar，所以你需要下载hadoop- 0.20.2-CDH3B4.tar.gz，解压缩后将hadoop-0.20.2-CDH3B4/hadoop-core-0.20.2- CDH3B4.jar复制到sqoop-1.2.0-CDH3B4/lib中。
另外，sqoop导入mysql数据运行过程中依赖mysql-connector-java-*.jar，所以你需要下载mysql-connector-java-*.jar并复制到sqoop-1.2.0-CDH3B4/lib中。
步骤二，相关配置：
修改SQOOP的文件configure-sqoop，注释掉hbase和zookeeper检查（除非你准备使用HABASE等HADOOP上的组件） #if [ ! -d "${HBASE_HOME}" ]; then
# echo “Error: $HBASE_HOME does not exist!”
# echo ‘Please set $HBASE_HOME to the root of your HBase installation.’
# exit 1
#fi
#if [ ! -d "${ZOOKEEPER_HOME}" ]; then
# echo “Error: $ZOOKEEPER_HOME does not exist!”
# echo ‘Please set $ZOOKEEPER_HOME to the root of your ZooKeeper installation.’
# exit 1
#fi
修改/etc/profile环境变量文件(su root之后,sudo gedit /etc/profile)：
添加 export SQOOP_HOME=/home/grid/sqoop
在原有PATH后添加 :$SQOOP_HOME/bin
步骤三，在mysql中建立测试用户，测试表和数据，并测试sqoop连接mysql：
创建用户sqoop并授权：
grant all privileges on *.* to 'sqoop'@'%' identified by 'sqoop' with grant option;
创建表空间（schema）sqoop，并创建测试表：
create table students (id int not null primary key,name varchar(20),age int)
插入测试数据：
insert into students values('10001','liyang',29);
insert into students values('10002','lion',28);
insert into students values('10003','leon',26);
在masternode测试sqoop能否成功连接宿主机器上的mysql：
sqoop list-tables --connect jdbc:mysql://192.168.66.96:3306/sqoop --username sqoop --password sqoop
如果能正确显示出sqoop表空间中的students表，就说明sqoop已经可以成功连接mysql！
步骤四，将mysql中sqoop表空间的students表的三行数据导入HDFS:
启动hadoop：
start-all.sh
用jps验证启动是否成功
显示正在运行以下进程即为启动成功：
2820 SecondaryNameNode
4539 Jps
2887 JobTracker
2595 NameNode
从mysql导入数据，运行如下命令：
sqoop import --connect jdbc:mysql://192.168.66.96:3306/sqoop --username sqoop --passwordsqoop --table students -m 1
验证导入数据是否成功：
若导入成功，运行 hadoop dfs -ls 将能看到根目录/user/grid/下有以表名命名的文件夹students
运行 hadoop dfs -ls /user/grid/students 能看到该文件夹中包含文件：/user/grid/students/part-m-00000
运行 hadoop dfs -cat /user/grid/students/part-m-00000 就能看到该文件已经包含mysql中students表的三行数据：
10001,liyang,2910002,lion,2810003,leon,26
步骤五，将HDFS中的数据导入Mysql的students表中:
首先将mysql的students表数据清空：
delete from students；
然后在masternode上执行导出数据命令：
1.[root@sdzn-cdh01 hive]# sqoop export --connect jdbc:mysql://192.168.0.197:3306/dac --username root --password root --table provice_age_group_total --export-dir 'hdfs://sdzn-cdh01:8020/user/hive/warehouse/zyb.db/provice_age_group_total/000000_0' --fields-terminated-by '\001' -m 1
2.[root@sdzn-cdh01 hive]# sqoop export --connect jdbc:mysql://192.168.200.47:3306/test --username root --password root --table user_02 --export-dir 'hdfs://sdzn-cdh01:8020/sdzn_yhhx/user0/i' --fields-terminated-by '\t' -m 1
3.[root@sdzn-cdh01 etc]# sqoop export --connect "jdbc:mysql://192.168.0.197:3306/otherdb?useUnicode=true&characterEncoding=utf-8" --username root --password root --table tourist_playnum --export-dir '/user/hive/warehouse/zyb.db/tourist_tournums/' --input-null-string "\\\\N" --input-null-non-string "\\\\N" --input-fields-terminated-by "\001" --input-lines-terminated-by "\\n" -m 1
二、Mysql与Hbase互导数据
将mysql的数据导入hbase的命令格式为：sqoop import --connect jdbc:mysql://mysqlserver_IP/databaseName --username --password password --table datatable --hbase-create-table --hbase-table hbase_tablename --column-family col_fam_name --hbase-row-key key_col_name其中 ，databaseName 和datatable 是mysql的数据库和表名，hbase_tablename是要导成hbase的表名，key_col_name可以指定datatable中哪一列作为hbase新表的rowkey，col_fam_name是除rowkey之外的所有列的列族名
例如：可通过如下命令将Mysql中的students表导入到Hbase中：
/home/grid/sqoop/bin/sqoop import --connect jdbc:mysql://192.168.66.96/sqoop --username sqoop --password liyang16 --table students --hbase-create-table --hbase-table students --column-family stuinfo --hbase-row-key id
成功执行后，可在hbase中用以下命令查看结果：
hbase(main):011:0> scan 'students'ROW COLUMN+CELL10001 column=stuinfo:age, timestamp=1356759994058, value=2910001 column=stuinfo:name, timestamp=1356759994058, value=liyang10002 column=stuinfo:age, timestamp=1356760044478, value=2810002 column=stuinfo:name, timestamp=1356760044478, value=lion10003 column=stuinfo:age, timestamp=1356760044478, value=2610003 column=stuinfo:name, timestamp=1356760044478, value=leon3 row(s) in 0.0900 seconds
三、Oracle与Hbase互导数据
将Oracle中的dept表（列为id，name，addr）导出至hbase中的dept表（行键为id，列族为deptinfo）
sqoop import --append --connect jdbc:oracle:thin:@192.168.66.90:1521:orcl --username test --password test --m 1 --table dept --columns id,name,addr --hbase-create-table --hbase-table dept --hbase-row-key id --column-family deptinfo
四、Oracle数据导入到HDFS
./sqoop import --append --connect jdbc:oracle:thin:@192.168.0.197:1521:ORCL --username edw_src --password 123456 --target-dir /usr/home --num-mappers 1 --table ORDER_INFO_BAK --fields-terminated-by ','
sqoop导入递增数据：条件ID或者表字段必须为自增数据1.2.3..... 1992...
./sqoop import --connect jdbc:oracle:thin:@192.168.200.58:1521:ORCL --username r_dw_src --password ZN2016Zggcd2016 --target-dir /rainbow/test --num-mappers 1 --table DW_SRC.SYS_AREA --fields-terminated-by '\t' --incremental append --check-column ID --last-value 1992
上语句表示：插入1992之后的所有数据即是ID大于1992的数据
方式一
以时间为增量字段
./sqoop import --append --connect jdbc:oracle:thin:@192.168.200.58:1521:ORCL --username r_dw_src --password SDZN2016Zggcd2016 --target-dir /rainbow/oracle --num-mappers 1 --table DW_SRC.ORDER_DETAIL --fields-terminated-by '\t' --where "to_char(MODIFY_TIME,'yyyy/mm')='2015/04'";
方式二
./sqoop import --append --connect jdbc:oracle:thin:@192.168.200.58:1521:ORCL --username r_dw_src --password SDZN2016Zggcd2016 --target-dir /rainbow/test --num-mappers 1 --fields-terminated-by '\t' --query 'select * from DW_SRC.SYS_AREA where ID > 5817 and $CONDITIONS'
columns:表中的导入部分字段
*********sqoop export------*************
更新"quantity,occ_date"字段其中occ_date为mysql的唯一主键）有的覆盖，没有的添加
sqoop export --connect "jdbc:mysql://192.168.0.197:3306/bigdata_lots?useUnicode=true&characterEncoding=utf-8" --username root --password root
--table sd_next_weeks_fee_quantitys --input-null-string "\\\\N" --input-null-non-string "\\\\N" --input-fields-terminated-by "\001"--columns="quantity,occ_date" --input-lines-terminated-by "\\n" -m 1 --export-dir /user/hive/warehouse/totallots.db/sd_next_weeks_quantity/--update-key occ_date --update-mode allowinsert
更新表全部的字段
sqoop export --connect "jdbc:mysql://192.168.0.197:3306/bigdata_lots?useUnicode=true&characterEncoding=utf-8" --username root --password root
--table sd_next_weeks_fee_quantitys --input-null-string "\\\\N" --input-null-non-string "\\\\N" --input-fields-terminated-by "\001" ---input-lines-terminated-by "\\n" -m 1 --export-dir /user/hive/warehouse/totallots.db/sd_next_weeks_quantity/ --update-key occ_date --update-mode allowinsert
*********************************************
#Oracle的连接字符串，其中包含了URL，SID，和PORT
URL=jdbc:oracle:thin:@132.232.19.79:10521:szdw
#使用的用户名
USERNAME=szdw
#使用的密码
PASSWORD=szdw
#需要从Oracle中导入的表名
TableNAME=proc_resource_admin
#需要从Oracle中导入的表中的字段名 ,也可省略
COLUMNS=AREA_ID,TEAM_NAME
#将Oracle中的数据导入到HDFS后的存放路径，系统自动创建该路径
HADFPATH=/home/hadoop/data/ proc_resource_admin
四、sqoop增量导入hive
1) bin/sqoop import --connect jdbc:mysql://10.X.X.X:3306/lir --username dss --password xxx123 --table bb_month --hive-import --incremental append --check-column ID --last-value 714
2) bin/sqoop import --connect jdbc:mysql://10.X.X.X:3306/lir --table bb_month --username dss -P --hive-import --incremental append --check-column ID --last-value 714 -- --default-character-set=utf-8
使用sqoop工具进行数据导入导出中可以进行并行导入的方法
例如 从mysql数据库中导入到hive中可以执行
sqoop import --connect jdbc:mysql://localhost/gamewave --username root --password 123456 --table log --hive-import -m 1
其中-m 1 参数代表的含义是使用多少个并行，这个参数的值是1，说明没有开启并行功能。
将m参数的数值调为5或者更大，Sqoop就会开启5个进程，同时进行数据的导入操作。
注意：mysql数据库的表中需要有个主键，如果没有主键的话需要手动选取一个合适的拆分字段。
sqoop import --connect jdbc:mysql://localhost/gamewave --username root --password 123456 --table log --hive-import -m 5 --split-by uid --where "rdate='2012-03-39'"
如果不能满足需求的话，则使用
sqoop import --connect jdbc:mysql://localhost/gamewave --username root --password 123456 --table log --hive-import -m 1 --where 'logtime<10:00:00'
sqoop import --connect jdbc:mysql://localhost/gamewave --username root --password 123456 --table log --hive-import -m 1 --where 'logtime>=10:00:00'
从而达到并行导入的目的
京公网安备 11010802041100号