目录
一、sqoop基本原理
1.1、何为Sqoop?
1.2、为什么需要用Sqoop?
1.3、关系图
1.4、架构图
二、Sqoop可用命令
2.1、公用参数:数据库连接
2.2、公用参数:import
2.3、公用参数:export
2.4、公用参数:hive
2.3、其他命令
三、Sqoop常用命令
3.1、RDBMS => HDFS (导入重点)
3.1.1、全表导入
3.1.2、查询导入--query
3.1.3、导入指定列 --columns
3.1.4、where语句过滤
3.1.5、①增量导入 append
3.1.5、②增量导入 lastmodified
3.2、RDBMS => HBase
3.3、RDBMS => Hive
3.3.1、导入普通表
3.3.2、导入分区表
3.4、Hive/Hdfs => RDBMS
3.5、Sqoop Job
一、sqoop基本原理
1.1、何为Sqoop?
Sqoop(SQL-to-Hadoop)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)中的数据导入到Hadoop的HDFS中,也可以将HDFS的数据导出到关系型数据库中。
1.2、为什么需要用Sqoop?
我们通常把有价值的数据存储在关系型数据库系统中,以行和列的形式存储数据,以便于用户读取和查询。但是当遇到海量数据时,我们需要把数据提取出来,通过MapReduce对数据进行加工,获得更符合我们需求的数据。数据的导入和导出本质上是Mapreduce程序,充分利用了MR的并行化和容错性。为了能够和HDFS系统之外的数据库系统进行数据交互,MapReduce程序需要使用外部API来访问数据,因此我们需要用到Sqoop。
1.3、关系图
1.4、架构图
在 mapreduce 中主要是对 inputformat 和 outputformat 进行定制。
Sqoop工具接收到客户端的shell命令或者Java api命令后,通过Sqoop中的任务翻译器(Task Translator)将命令转换为对应的MapReduce任务,而后将关系型数据库和Hadoop中的数据进行相互转移,进而完成数据的拷贝。
二、Sqoop可用命令
命令 | 方法 |
---|---|
codegen | 生成与数据库记录交互的代码 |
create-hive-table | 将表定义导入到Hive中 |
eval | 评估SQL语句并显示结果 |
export | 导出一个HDFS目录到一个数据库表 |
help | 可用命令列表 |
import | 将一个表从数据库导入到HDFS |
import-all-tables | 从数据库导入表到HDFS |
import-mainframe | 从大型机服务器导入数据集到HDFS |
job | 使用已保存的工作 |
list-databases | 列出服务器上可用的数据库 |
list-tables | 列出数据库中可用的表 |
merge | 合并增量导入的结果 |
metastore | 运行一个独立的Sqoop转移 |
version | 显示版本信息 |
对于不同的命令,有不同的参数,这里给大家列出来了一部分Sqoop操作时的常用参数,以供参考,需要深入学习的可以参看对应类的源代码,本文目前介绍常用的导入、导出的一些命令。
2.1、公用参数:数据库连接
参数 | 说明 |
---|---|
--connect | 连接关系型数据库的URL |
--connection-manager | 指定要使用的连接管理类 |
--driver | JDBC的driver class |
--help | 打印帮助信息 |
--username | 连接数据库的用户名 |
--password | 连接数据库的密码 |
--verbose | 在控制台打印出详细信息 |
2.2、公用参数:import
参数 | 说明 |
---|---|
--enclosed-by | 给字段值前后加上指定的字符 |
--escaped-by | 对字段中的双引号加转义符 |
--fields-terminated-by | 设定每个字段是以什么符号作为结束,默认为逗号 |
--lines-terminated-by | 设定每行记录之间的分隔符,默认是\n |
--mysql-delimiters | Mysql默认的分隔符设置,字段之间以逗号分隔,行之间以\n分隔,默认转义符是\,字段值以单引号包裹。 |
--optionally-enclosed-by | 给带有双引号或单引号的字段值前后加上指定字符。 |
2.3、公用参数:export
参数 | 说明 |
---|---|
--input-enclosed-by | 对字段值前后加上指定字符 |
--input-escaped-by | 对含有转移符的字段做转义处理 |
--input-fields-terminated-by | 字段之间的分隔符 |
--input-lines-terminated-by | 行之间的分隔符 |
--input-optionally-enclosed-by | 给带有双引号或单引号的字段前后加上指定字符 |
2.4、公用参数:hive
参数 | 说明 |
---|---|
--hive-delims-replacement | 用自定义的字符串替换掉数据中的\r\n和\013 \010等字符 |
--hive-drop-import-delims | 在导入数据到hive时,去掉数据中的\r\n\013\010这样的字符 |
--map-column-hive < map> | 生成hive表时,可以更改生成字段的数据类型 |
--hive-partition-key | 创建分区,后面直接跟分区名,分区字段的默认类型为string |
--hive-partition-value | 导入数据时,指定某个分区的值 |
--hive-home | hive的安装目录,可以通过该参数覆盖之前默认配置的目录 |
--hive-import | 将数据从关系数据库中导入到hive表中 |
--hive-overwrite | 覆盖掉在hive表中已经存在的数据 |
--create-hive-table | 默认是false,即,如果目标表已经存在了,那么创建任务失败 |
--hive-table | 后面接要创建的hive表,默认使用MySQL的表名 |
--table | 指定关系数据库的表名 |
2.3、其他命令
命令 | 含义 |
---|---|
-m N | 指定启动N个map进程 |
--num-mappers N | 指定启动N个map进程 |
--query | 后跟查询的SQL语句 |
--incremental mode | mode:append或lastmodified |
--check-column | 作为增量导入判断的列名 |
--split-by | 按照某一列来切分表的工作单元,不能与–autoreset-to-one-mapper连用 |
--last-value | 指定某一个值,用于标记增量导入的位置 |
--target-dir | 指定HDFS路径 |
--delete-target-dir | 若hdfs存放目录已存在,则自动删除 |
三、Sqoop常用命令
先在mysql中建一张表来使用
create table student(
sid int primary key,
sname varchar(16) not null,
gender enum('女','男') not null default '男',
age int not null
);
insert into student(sid,sname,gender,age) values
(1,'孙尚香','女',15),
(2,'貂蝉','女',16),
(3,'刘备','男',17),
(4,'孙二娘','女',16),
(5,'张飞','男',15),
(6,'关羽','男',18),
3.1、RDBMS => HDFS (导入重点)
3.1.1、全表导入
//single为自己虚拟机ip
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table student \
--target-dir /sqooptest/table_all \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by ','
- 登录web界面查看/sqooptest/table_all目录下,生成了数据结果
- 或者使用hdfs命令查看数据结果
hdfs dfs -cat /sqooptest/table_all/part-m-00000
数据结果如下
1,孙尚香,女,15
2,貂蝉,女,16
3,刘备,男,17
4,孙二娘,女,16
5,张飞,男,15
6,关羽,男,18
3.1.2、查询导入--query
//single为虚拟机ip地址
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--target-dir /sqooptest/select_test \
--num-mappers 1 \
--query 'select sname,gender from student where $CONDITIONS'
where语句中必须有 $CONDITIONS,表示将查询结果带回。 如果query后使用的是双引号,则 $CONDITIONS前必须加转移符即 \$CONDITIONS,防止shell识别为自己的变量。
hdfs dfs -cat /sqooptest/select_test/part-m-00000
数据结果如下
孙尚香,女
貂蝉,女
刘备,男
孙二娘,女
张飞,男
关羽,男
3.1.3、导入指定列 --columns
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table student \
--columns sid,sname,age \
--target-dir /sqooptest/column_test \
--num-mappers 1 \
--fields-terminated-by "|"
数据结果如下
1|孙尚香|15
2|貂蝉|16
3|刘备|17
4|孙二娘|16
5|张飞|15
6|关羽|18
3.1.4、where语句过滤
源表数据
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table student \
--where "sid>=6" \
--target-dir /sqooptest/wheretest \
-m 2
得到了如下 “sid>=6” 的数据
[root@single ~]# hdfs dfs -cat /sqooptest/wheretest/*
6,关羽,男,18
7,云中君,男,19
8,百里玄策,男,20
3.1.5、①增量导入 append
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--query "select sid,sname,gender from student where \$CONDITIONS" \
--target-dir /sqooptest/add1 \
--split-by sid \
-m 2 \
--incremental append \
--check-column sid \
--last-value 0
–split-by 和 -m 结合实现numberReduceTasks并行
后面两句
–check-column sid
–last-value 0
结合使用的效果类似于where sid>0
MR过程中部分关键信息如下
--sid界限值是0-6
20/11/20 05:17:42 INFO tool.ImportTool: Incremental import based on column `sid`
20/11/20 05:17:42 INFO tool.ImportTool: Lower bound value: 0
20/11/20 05:17:42 INFO tool.ImportTool: Upper bound value: 6
--条件是where `sid` > 0 AND `sid` <= 6
20/11/20 05:17:48 INFO db.DataDrivenDBInputFormat: BoundingValsQuery: SELECT MIN(sid), MAX(sid) FROM (select sid,sname,gender from student where `sid` > 0 AND `sid` <= 6 AND (1 = 1) ) AS t1
--指定了两个maptask
20/11/20 05:17:48 INFO mapreduce.JobSubmitter: number of splits:2
--提示last-value即sid是6
20/11/20 05:18:06 INFO tool.ImportTool: --incremental append
20/11/20 05:18:06 INFO tool.ImportTool: --check-column sid
20/11/20 05:18:06 INFO tool.ImportTool: --last-value 6
数据结果如下:
1,孙尚香,女
2,貂蝉,女
3,刘备,男
4,孙二娘,女
5,张飞,男
6,关羽,男
此时往mysql中再添加几条数据,再进行一次增量导入
insert into student(sid,sname,gender,age) values(7,'云中君','男',19),(8,'百里玄策','男',20),(9,'裴擒虎','男',17);
再次执行增量导入语句
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--query "select sid,sname,gender,age from student where \$CONDITIONS" \
--target-dir /sqooptest/add1 \
-m 1 \
--incremental append \
--check-column sid \
--last-value 6
hdfs dfs -cat /sqooptest/add1/part-m-*
1,孙尚香,女
2,貂蝉,女
3,刘备,男
4,孙二娘,女
5,张飞,男
6,关羽,男
7,云中君,男,19
8,百里玄策,男,20
9,裴擒虎,男,17
3.1.5、②增量导入 lastmodified
先在mysql创建一张新表
create table orderinfo(
oid int primary key,
oName varchar(10) not null,
oPrice double not null,
oTime timestamp not null
);
insert into orderinfo(oid,oName,oPrice,oTime) values
(1,'爱疯12',6500.0,'2020-11-11 00:00:00'),
(2,'华为xpro',12000.0,'2020-10-1 12:52:33'),
(3,'行李箱',888.8,'2019-5-22 21:56:17'),
(4,'羽绒服',1100.0,'2018-3-7 14:22:31');
将数据传到hdfs
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table orderinfo \
--target-dir /sqooptest/lastmod \
-m 1
往mysql的orderinfo表中新插入几条数据,然后增量导入
insert into orderinfo(oid,oName,oPrice,oTime) values
(5,'帕拉梅拉',1333333.3,'2020-4-7 12:23:34'),
(6,'保温杯',86.5,'2017-3-5 22:52:16'),
(7,'枸杞',46.3,'2019-10-5 11:11:11'),
(8,'电动牙刷',350.0,'2019-9-9 12:21:41');
–incremental lastmodified修改和增加 此时搭配–check-column 必须为timestamp类型
使用lastmodified方式导入数据要指定增量数据是要–append(追加)还是要–merge-key(合并)
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table orderinfo \
--target-dir /sqooptest/lastmod \
-m 1 \
--incremental lastmodified \
--check-column oTime \
--merge-key oid \
--last-value "2019-10-1 12:12:12"
数据结果如下
1,爱疯12,6500.0,2020-11-11 00:00:00.0
2,华为xpro,12000.0,2020-10-01 12:52:33.0
3,行李箱,888.8,2019-05-22 21:56:17.0
4,羽绒服,1100.0,2018-03-07 14:22:31.0
5,帕拉梅拉,1333333.3,2020-04-07 12:23:34.0
7,枸杞,46.3,2019-10-05 11:11:11.0
发现只添加了两条记录,因为序号为6和8的记录的时间不在–last-value的范围内
3.2、RDBMS => HBase
先在hbase中建表
hbase(main):007:0> create 'sqooptest:sqstudent','stuinfo'
使用sqoop开始导入数据
sqoop import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table student \
--hbase-table sqooptest:sqstudent \
--column-family stuinfo \
--hbase-create-table \
--hbase-row-key sid
–column-family stuinfo
指定列族为stuinfo
–hbase-create-table
若表不存在,则自动创建
–hbase-row-key sid
指定行键为sid
查看hbase表数据
hbase(main):008:0> scan 'sqooptest:sqstudent'
ROW COLUMN+CELL
1 column=stuinfo:age, timestamp=1605958889301, value=15
1 column=stuinfo:gender, timestamp=1605958889301, value=\xE5\xA5\xB3
1 column=stuinfo:sname, timestamp=1605958889301, value=\xE5\xAD\x99\xE5\xB0\x9A\x
E9\xA6\x99
2 column=stuinfo:age, timestamp=1605958889301, value=16
2 column=stuinfo:gender, timestamp=1605958889301, value=\xE5\xA5\xB3
2 column=stuinfo:sname, timestamp=1605958889301, value=\xE8\xB2\x82\xE8\x9D\x89
...
...
...
9 column=stuinfo:age, timestamp=1605958892765, value=17
9 column=stuinfo:gender, timestamp=1605958892765, value=\xE7\x94\xB7
9 column=stuinfo:sname, timestamp=1605958892765, value=\xE8\xA3\xB4\xE6\x93\x92\x
E8\x99\x8E
9 row(s) in 0.1830 seconds
HBase中的数据没有数据类型,统一存储为字节码,是否显示具体的汉字只是前端显示问题,此处没有解决,因此gender和sname字段显示的都是字节码
3.3、RDBMS => Hive
3.3.1、导入普通表
将mysql中retail_db库下的orders表导入hive
sqoop import \
--connect jdbc:mysql://single:3306/retail_db \
--driver com.mysql.jdbc.Driver \
--username root \
--password kb10 \
--table orders \
--hive-import \
--hive-database sqooptest \
--create-hive-table \
--hive-table orders \
--hive-overwrite \
-m 3
3.3.2、导入分区表
sqoop import \
--connect jdbc:mysql://single:3306/retail_db \
--driver com.mysql.jdbc.Driver \
--username root \
--password kb10 \
--query "select order_id,order_status from orders where
order_date>='2014-07-02' and order_date<'2014-07-03' and \$CONDITIONS" \
--hive-import \
--hive-database sqooptest \
--hive-table order_partition \
--hive-partition-key 'order_date' \
--hive-partition-value '2014-07-02' \
-m 1
3.4、Hive/Hdfs => RDBMS
先在mysql中建表
create table hiveTomysql(
sid int primary key,
sname varchar(5) not null,
gender varchar(1) default '男',
age int not null
);
我们把刚才在hive中创建的sqstudent表数据再导出到mysql中
sqoop export \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table hiveTomysql \
--num-mappers 1 \
--export-dir /opt/software/hadoop/hive110/warehouse/sqstudent/part-m-00000 \
--input-fields-terminated-by ","
3.5、Sqoop Job
job参数说明
Argument | Description |
---|---|
–create JOB_NAME | 创建job参数 |
–delete JOB_NAME | 删除一个job |
–exec JOB_NAME | 执行一个job |
–help | 显示job帮助 |
–list | 显示job列表 |
–help | 显示job帮助 |
–meta-connect < jdbc-uri> | 用来连接metastore服务 |
–show JOB_NAME | 显示一个job的信息 |
–verbose | 打印命令运行时的详细信息 |
创建job
- -和import之间有个空格。这里–空格之后表示给job添加参数,而恰好import又不需要–,所以这个空格很容易被忽略。
sqoop job --create myjob \
-- import \
--connect jdbc:mysql://single:3306/sqoop_test \
--username root \
--password kb10 \
--table student \
--target-dir /sqooptest/myjob \
-m 1 \
--lines-terminated-by '\n' \
--null-string '\\N' \
--null-non-string '\\N'
查看job
sqoop job --list
显示job
sqoop job --show myjob
删除job文章来源:https://www.toymoban.com/news/detail-800011.html
sqoop job --delete myjob
执行job文章来源地址https://www.toymoban.com/news/detail-800011.html
sqoop job --exec pwdjob
到了这里,关于Sqoop详解的文章就介绍完了。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!