ETL工具sqoop
sqoop简介
Sqoop(发音:skup)是一款开源的工具,主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递,可以将一个关系型数据库(例如 : MySQL ,Oracle ,Postgres等)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。
Sqoop项目开始于2009年,最早是作为Hadoop的一个第三方模块存在,后来为了让使用者能够快速部署,也为了让开发人员能够更快速的迭代开发,Sqoop独立成为一个Apache项目。
Sqoop是一个在(MySQL、Oracle)等关系型数据库和大数据平台之间进行批量数据迁移的工具。Sqoop底层能实现将关系型数据库中的数据迁移到大数据平台上是因为sqoop的底层是采用MapReduce程序实现抽取、转换、加载,MapReduce本身就并行化和高容错率,能很好的保证数据的迁移,而且与Kettle等传统ETL工具相比,Sqoop的任务跑在Hadoop集群上,能有效减少ETL服务器资源的使用情况
sqoop安装
一、安装包的获取:
sqoop安装包:
官网:http://archive.apache.org/dist/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
mysql驱动:
网盘链接:https://pan.baidu.com/s/1-xksqP7DhP3wWIQeKgVi7A
提取码:1111
二、上传安装包到服务器
将sqoop安装包和mysql驱动器上传到集群中
三、进行安装配置
①解压sqoop压缩包
tar -zvxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
②修改名字
mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha sqoop
③修改配置文件
在sqoop/conf/目录下修改sqoop-env-template.sh的名字
mv sqoop-env-template.sh sqoop-env.sh
向sqoop-env.sh中最后添加如下配置:
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2
export HIVE_HOME=/opt/module/hive
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf
export HBASE_HOME=/opt/module/hbase
④将jdbc驱动拷贝到sqoop/lib/目录下
cp mysql-connector-java-5.1.27-bin.jar 到 /sqoop/lib/目录下
四、验证sqoop
使用一个command命令检查sqoop是否安装完成bin/sqoop help
出现一下内容便是安装完成:
测试是否能连接上mysql数据库
bin/sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 123456
如果连接成功会获取到当前mysql数据库中的数据库
sqoop常用命令
sqoop import 导入
--connect jdbc:mysql://127.0.0.1:3306/$db_name 连接数据库
--username root 数据库用户名
--password root 数据库密码
--target-dir /origin_data/$db_name/db/$1/$db_date HDFS地址
--table db_table 源头数据表
--delete-target-dir HDFS地址存在删除
--num-mappers $2 \--split-by $3 maptask数量
--input-null-string '\\N' 空值转换
--input-null-non-string '\\N' 非空字符串替换
--fields-terminated-by "\t" 字符串分割
--query "$4"' and $CONDITIONS;'
-hive-home <dir> 重写$HIVE_HOME
-hive-import 插入数据到hive当中,使用hive的默认分隔符
-hive-overwrite 重写插入
-create-hive-table 建表,如果表已经存在,该操作会报错
-hive-table <table-name> 设置到hive当中的表名
-hive-drop-import-delims 导入到hive时删除 \n, \r, and \0001
-hive-delims-replacement 导入到hive时用自定义的字符替换掉 \n, \r, and \0001
-hive-partition-key hive分区的key
-hive-partition-value <v> hive分区的值
-map-column-hive <map> 类型匹配,sql类型对应到hive类型
sqoop案例
一、基础操作
-
列出MySQL中有哪些数据库
bin/sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 123456
结果:
-
列出MySQL中test数据库下有哪些表
bin/sqoop list-tables --connect jdbc:mysql://bigdata01:3306/test --username root --password 123456
结果:
-
在hive中etl数据库下创建一张跟mysql中一模一样的表
bin/sqoop create-hive-table --connect jdbc:mysql://bigdata01:3306/test --username root --password 123456 --table student1 --hive-table etl.student1_hive
结果:
表结构与mysql中的student1完全相同
二、导入数据操作
导入数据指的是从非大数据平台(EDBMS)将数据同步到大数据平台(HDFS、Hive、HBASE等),关键字import
-
MySQL到HDFS
1.1、准备数据表
首先在mysql中创建一张表CREATE TABLE `student1` ( `id` int(11) NOT NULL, `name` varchar(32) NOT NULL, `sex` varchar(4) NOT NULL, `age` int(11) NOT NULL, PRIMARY KEY (`id`) ) ENGINE=InnoDB DEFAULT CHARSET=utf8;
向表中插入数据
insert into `student1`(`id`,`name`,`sex`,`age`) values (1,'sda','男',12),(2,'efa','女',15),(3,'nnc','女',19),(4,'fri','女',35),(5,'ethan','男',18),(6,'徐象','男',98),(7,'学习','女',18);
1.2、导入数据
1.2.1、 全表导入到HDFSbin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --target-dir /test/ \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1
结果
批量导入可以使用shell脚本,我这里仅提供一个范例,需要的同学自行修改脚本内容,并且才去的是全量导入方式,如果只需要进行增量或者变化量的导入此脚本不适用。
批量导入十张表脚本:#! /bin/bash sqoop=/opt/module/sqoop/bin/sqoop #创建一个存放mysql表名的数组 tables=(activity_info activity_order activity_rule activity_sku base_category1 base_province base_region comment_info holiday_info date_info) #循环遍历执行导入数据 for i in ${tables[@]} do { $sqoop import \ --connect jdbc:mysql://bigdata01:3306/gmall \ --username root \ --password 123456 \ --table $i \ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --hive-overwrite \ --hive-table etl.$i } done
1.2.2、 导入指定的列到HDFS --columnsbash bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --columns id,name,sex \ --target-dir /test/student1 \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1 \ --split-by id
结果:
1.2.3、 导入指定条件的数据到HDFS --where
内容:从student1表中查询出学生中年龄大于18岁的学生,并导入到HDFS中bash bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --where 'age>18 and sex="男"' \ --target-dir /test/student1 \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1 \ --split-by id
结果:
1.2.4、将查询结果导入到HDFS
内容:从student1表中查询出学生中年龄小于等于25的学生,并导入到HDFS中注意:
如果query后使用的是双引号,则$CONDITIONS前必须加转移符,防止shell识别为自己的变量。bash bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --query "select * from student1 where \$CONDITIONS and age <= 25" \ --target-dir /test/student1 \ --delete-target-dir \ --fields-terminated-by "\t" \ --num-mappers 1 \ --split-by id
结果:
-
MySQL到Hive
首先要启动hive元数据服务
将MySQL中的test表导入到hive中bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test\ --username root \ --password 123456 \ --table student1\ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --hive-overwrite \ --hive-table student1
结果:
注意:该过程分为两步,第一步将数据导入到HDFS,第二步将导入到HDFS的数据迁移到Hive仓库
-
MySQL到HBase
首先要启动HBASE服务。同时在HBASE中手动创建表,因为部分版本原因,可能导致sqoop不会在HBASE中自动创建表格
3.1 在HBASE中创建student1_hbase表
3.2 将mysql中的数据同步到HBASE中bin/sqoop import \ --connect jdbc:mysql://bigdata01:3306/test \ --username root \ --password 123456 \ --table student1 \ --where 'id >= 5' \ --hbase-create-table \ --hbase-table "student1_hbase" \ --hbase-row-key "id" \ --column-family "info" \ --num-mappers 1 \ --split-by id
结果:
三、导出数据操作
指定是将数据从大数据平台向非大数据平台同步数据。关键字export
-
从Hive/HDFS导出数据到MySQL
hive的数据存储在hdfs,因此我们从hive导出到mysql的时候导的路径是hdfs上数据文件的位置。文章来源:https://www.toymoban.com/news/detail-443865.htmlbin/sqoop export \ --connect "jdbc:mysql://bigdata01:3306/etl?useUnicode=true&characterEncoding=utf-8" \ --username root \ --password 123456 \ --table grade \ --num-mappers 1 \ --export-dir /user/hive/warehouse/etl.db/grade/ \ --input-fields-terminated-by "\t"
文章来源地址https://www.toymoban.com/news/detail-443865.html
到了这里,关于sqoop入门简介 | 安装部署 | sqoop案例展示的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!