本文主要向大家介绍了【云计算】sqoop-hbase的使用操作介绍，通过具体的内容向大家展现，希望对大家学习云计算有所帮助。

sqoop

回顾：

今天任务

1.sqoop基本概念

2.配置sqoop环境

3.sqoop的典型应用

4.sqoop的原理

教学目标

1.熟悉sqoop环境的配置步骤

2.理解sqoop的原理

3.熟练使用sqoop导入导出数据

第一节：sqoop介绍

1.1 概述

Apache Sqoop（SQL-to-Hadoop） 项目旨在协助 RDBMS 与 Hadoop 之间进行高效的大数据交流

导入数据：关系型数据库（mysql）的数据导入到 Hadoop 与其相关的系统 (如HBase和Hive)中。

导出数据：从 Hadoop 系统里抽取并导出到关系型数据库里。

1.2 sqoop核心机制

通过hadoop的mapreduce把数据从关系型数据库中导入数据到HDFS。

简单说，Sqoop就是一个转换工具，用于在关系型数据库与HDFS之间进行数据转换。强大功能见下图：

第二节 sqoop安装配置

2.1 基于集群环境

    主机

    安装软件

min1    hadoop hive    

min2    hadoop mysql    

min3    hadoop    

2.2 安装步骤

下载

  下载地址：//mirrors.hust.edu.cn/apache/sqoop/

  

  这里有两个版本，1.4.x 为Sqoop 1 版本，1.99.x为Sqoop 2 版本

  

解压安装

#我们先讲解Sqoop 1 版本的安装使用。

#将sqoop-1.4.6.bin__hadoop-0.23.tar.gz上传到min1机器的/home/hadoop/apps/目录下。

#解压缩

tar -xvf sqoop-1.4.6.bin__hadoop-0.23.tar.gz

#重命名为sqoop

mv sqoop-1.4.6.bin__hadoop-0.23 sqoop

设置环境变量

#在文件/etc/profile中设置环境变量SQOOP_HOME：

vim /etc/profile

#设置内容：

export SQOOP_HOME=/hadoop/sqoop

export PATH=$PATH:$SQOOP_HOME/bin:

source /etc/profile

#把mysql的jdbc驱动mysql-connector-java-5.1.32-bin.jar复制到sqoop项目的lib目录下：

cp mysql-connector-java-5.1.32-bin.jar /hadoop/sqoop/lib/

修改配置文件

#复制名配置文件

#在${SQOOP_HOME}/conf中执行命令

cp sqoop-env-template.sh sqoop-env.sh

vi sqoop-env.sh

#设置内容如下：

测试

#执行sqoop-version命令后，显示下图的效果说明配置成功

sqoop-version

第三节 Sqoop的数据导入

就是从关系型数据库（mysql）的数据导入到 Hadoop 与其相关的系统 (如HBase和Hive)中。

3.1 语法

  $ sqoop import (generic-args) (import-args) 

  

3.2 案例

测试之前先在mysql中准备数据：

create database sqoop； --创建名为sqoop的数据库

use sqoop； --切换到sqoop数据库

create table employee( --创建一个名为employee的表

id int not null primary key auto_increment,

name varchar(20),

birthday date

);

insert into employee values ('','zhangsan','2016-01-01');

insert into employee values ('','zs','2016-01-01');

insert into employee values ('','zw','2016-01-01');

insert into employee values ('','z6','2016-01-01');

insert into employee values ('','z7','2016-01-01');

insert into employee values ('','z8','2016-01-01');

insert into employee values ('','z9','2016-01-01');

insert into employee values ('','z10','2016-01-01');

insert into employee values ('','z11','2016-01-01');

insert into employee values ('','z12','2016-01-01');

insert into employee values ('','z13','2016-01-01');

insert into employee values ('','z14','2016-01-01');

insert into employee values ('','zhangsan','2016-01-01');

导入表数据到hdfs中

执行命令

#sqoop的命令只能在行，如果换行则需要使用 \

sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--table employee \ #mysql的表名

--target-dir /sqfs #/sqfs 表示导入的数据保存在hadoop的路径

--m 1 #表示启动mr的数量

上述语句如果没有指定保存到HDFS到哪里（target-dir），默认保存在/user/hadoop/employee/路径下

如果成功执行，那么会得到下面的输出

14/12/22 15:24:54 INFO sqoop.Sqoop: Running Sqoop version: 1.4.5

14/12/22 15:24:56 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.

INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-hadoop/compile/cebe706d23ebb1fd99c1f063ad51ebd7/emp.jar

-----------------------------------------------------

O mapreduce.Job: map 0% reduce 0%

14/12/22 15:28:08 INFO mapreduce.Job: map 100% reduce 0%

14/12/22 15:28:16 INFO mapreduce.Job: Job job_1419242001831_0001 completed successfully

-----------------------------------------------------

-----------------------------------------------------

14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Transferred 145 bytes in 177.5849 seconds (0.8165 bytes/sec)

14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Retrieved 5 records.

为了验证在HDFS导入的数据，请使用以下命令查看导入的数据

  hadoop fs -cat /sqfs/employee/part-m-00000

  

导入表数据到hive中

bin/sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--table employee \

--hive-import \ #这句是关键语句 默认到入到hive的名为default的database下

--m 1

导入表数据子集

我们使用Sqoop导入工具时，可以导入"where"子句的一个子集。它执行在各自的数据库服务器相应的SQL查询，并将结果存储在HDFS的目标目录。

导入id值大于5的记录

bin/sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--where "id >5" \

--target-dir /wherequery \

--table employee

--m 1

增量导入

增量导入是仅导入新添加的表中的行的技术

它需要添加‘incremental’,‘check-column’, 和 ‘last-value’选项来执行增量导入。下面的语法用于Sqoop导入命令增量选项。

--incremental 

--check-column 

--last value 

假设新添加的数据转换成employee表如下

  insert into employee values ('','chang100','2018-03-03');

  

下面的命令用于在employee表执行增量导入。

bin/sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--table employee

--m 1 \

--incremental append \

--check-column id \ #根据id判定一条记录

--last-value 12 #从哪条记录以后的内容导入

第四节 Sqoop的数据导出

就是从 Hadoop 系统里抽取并导出到关系型数据库里。

4.1 语法

  $ sqoop export (generic-args) (export-args) 

  

4.2 案例

从hdfs中导入到mysql

数据是在HDFS 中“employee/”目录的emp_data文件中。所述emp_data如下：

1,zhangsan,2016-01-01

2,lisi,2016-01-01

3,wangwu,2016-01-01

4,zhang6,2016-01-01

5,zhang7,2016-01-01

6,wang8,2016-01-01

首先需要手动创建mysql中的目标表

mysql> USE sqoop2;

mysql> CREATE TABLE employee (

id INT NOT NULL PRIMARY KEY,

name VARCHAR(20),

birthday date);

然后执行导出命令

bin/sqoop export \

--connect jdbc:mysql://localhost:3306/sqoop2 \

--username root \

--password root \

--table employee \

--export-dir /employee/

第五节 Sqoop原理

5.1 Sqoop架构图

sqoop1架构

sqoop2架构

5.2 Sqoop1大概流程

读取要导入数据的表结构，生成运行类，默认是QueryResult，打成jar包，然后提交给Hadoop，设置好job，主要也就是设置好各个参数，这里就由Hadoop来执行MapReduce来执行Import命令。

首先要对数据进行切分，也就是DataSplit，DataDrivenDBInputFormat.getSplits(JobContext job)。

切分好范围后，写入范围，以便读取DataDrivenDBInputFormat.write(DataOutput output)，这里是lowerBoundQuery and upperBoundQuery。

读取以上2）写入的范围DataDrivenDBInputFormat.readFields(DataInput input)。

然后创建RecordReader从数据库中读取数据DataDrivenDBInputFormat.createRecordReader(InputSplit split,TaskAttemptContext context)。

创建MAP，MapTextImportMapper.setup(Context context)。

RecordReader一行一行从关系型数据库中读取数据，设置好Map的Key和Value，交给MapDBRecordReader.nextKeyValue()。

运行MAP，mapTextImportMapper.map(LongWritable key, SqoopRecord val, Context context)，最后生成的Key是行数据，由QueryResult生成，Value是NullWritable.get()。

5.3 Sqoop 1与 Sqoop 2 对比

sqoop1优点：架构部署简单

sqoop1缺点：命令行方式容易出错，格式紧耦合，无法支持所有数据类型，安全机制不够完善，例如密码暴漏， 安装需要root权限，connector必须符合JDBC模型。

sqoop2优点：多种交互方式，命令行，web UI，rest API，conncetor集中化管理，所有的链接安装在sqoop server上，完善权限管理机制，connector规范化，仅仅负责数据的读写

sqoop2缺点：架构稍复杂，配置部署更繁琐。

5.4 Sqoop的Import

Sqoop在import时，需要制定split-by参数。Sqoop根据不同的split-by参数值来进行切分,然后将切分出来的区域分配到不同map中。每个map中再处理数据库中获取的一行一行的值，写入到HDFS中。同时split-by根据不同的参数类型有不同的切分方法，如比较简单 的int型，Sqoop会取最大和最小split-by字段值，然后根据传入的num-mappers来确定划分几个区域。 比如select max(split_by),min(split-by) from得到的max(split-by)和min(split-by)分别为1000和1，而num-mappers为2的话，则会分成两个区域 (1,500)和(501-100),同时也会分成2个sql给2个map去进行导入操作，分别为select XXX from table where split-by>=1 and split-by<500和select XXX from table where split-by>=501 and split-by<=1000。最后每个map各自获取各自SQL中的数据进行导入工作。

5.5 Sqoop的export

Sqoop可以在HDFS/Hive和关系型数据库之间进行数据的导入导出，其中主要使用了import和export这两个工具。这两个工具非常强大，提供了很多选项帮助我们完成数据的迁移和同步。比如，下面两个潜在的需求：

业务数据存放在关系数据库中，如果数据量达到一定规模后需要对其进行分析或同统计，单纯使用关系数据库可能会成为瓶颈，这时可以将数据从业务数据库数据导入（import）到Hadoop平台进行离线分析。

对大规模的数据在Hadoop平台上进行分析以后，可能需要将结果同步到关系数据库中作为业务的辅助数据，这时候需要将Hadoop平台分析后的数据导出（export）到关系数据库。

本文由职坐标整理并发布，希望对同学们有所帮助。了解更多详情请关注职坐标大数据云计算大数据安全频道！