摘要: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。
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!
您输入的评论内容中包含违禁敏感词
我知道了
请输入正确的手机号码
请输入正确的验证码
您今天的短信下发次数太多了,明天再试试吧!
我们会在第一时间安排职业规划师联系您!
您也可以联系我们的职业规划师咨询:
版权所有 职坐标-一站式IT培训就业服务领导者 沪ICP备13042190号-4
上海海同信息科技有限公司 Copyright ©2015 www.zhizuobiao.com,All Rights Reserved.
沪公网安备 31011502005948号