Sqoop1 导入与导出数据
本篇博客主要介绍如何使用Sqoop1.x版本来实现数据的导入与导出，笔者使用的版本为Sqoop1.4.6，安装配置请参考博客：
http://blog.csdn.net/hg_harvey/article/details/77803520
官网文档：http://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html
1.MySQL 导入数据到 HDFS
流程图：
说明：
(1).Sqoop 与数据库进行通信，获取数据库表的元数据信息
(2).Sqoop启动一个Map-Only的MapReduce作业，利用元数据信息并行将数据写入Hadoop
1.数据准备
- MySQL 中创建数据库sqoop
create database sqoop;
use sqoop;- 创建两张表dept及emp
CREATE TABLE DEPT(
DEPTNO int(2) PRIMARY KEY,
DNAME VARCHAR(14),
LOC VARCHAR(13)
);表结构：
mysql> desc DEPT;
+--------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+--------+-------------+------+-----+---------+-------+
| DEPTNO | int(2) | NO | PRI | NULL | |
| DNAME | varchar(14) | YES | | NULL | |
| LOC | varchar(13) | YES | | NULL | |
+--------+-------------+------+-----+---------+-------+CREATE TABLE EMP(
EMPNO int(4) PRIMARY KEY,
ENAME VARCHAR(10),
JOB VARCHAR(9),
MGR int(4),
HIREDATE DATE,
SAL int(7),
COMM int(7),
DEPTNO int(2),
foreign key(deptno) references DEPT(DEPTNO)
); 表结构：
mysql> desc EMP;
+----------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+----------+-------------+------+-----+---------+-------+
| EMPNO | int(4) | NO | PRI | NULL | |
| ENAME | varchar(10) | YES | | NULL | |
| JOB | varchar(9) | YES | | NULL | |
| MGR | int(4) | YES | | NULL | |
| HIREDATE | date | YES | | NULL | |
| SAL | int(7) | YES | | NULL | |
| COMM | int(7) | YES | | NULL | |
| DEPTNO | int(2) | YES | MUL | NULL | |
+----------+-------------+------+-----+---------+-------+- 插入数据
DEPT 表：
INSERT INTO DEPT VALUES
(10,'ACCOUNTING','NEW YORK');
INSERT INTO DEPT VALUES (20,'RESEARCH','DALLAS');
INSERT INTO DEPT VALUES
(30,'SALES','CHICAGO');
INSERT INTO DEPT VALUES
(40,'OPERATIONS','BOSTON');
EMP 表：
INSERT INTO EMP VALUES
(7369,'SMITH','CLERK',7902,'1980-12-17',800,NULL,20);
INSERT INTO EMP VALUES
(7499,'ALLEN','SALESMAN',7698,'1981-2-20',1600,300,30);
INSERT INTO EMP VALUES
(7521,'WARD','SALESMAN',7698,'1981-2-22',1250,500,30);
INSERT INTO EMP VALUES
(7566,'JONES','MANAGER',7839,'1981-4-2',2975,NULL,20);
INSERT INTO EMP VALUES
(7654,'MARTIN','SALESMAN',7698,'1981-9-28',1250,1400,30);
INSERT INTO EMP VALUES
(7698,'BLAKE','MANAGER',7839,'1981-5-1',2850,NULL,30);
INSERT INTO EMP VALUES
(7782,'CLARK','MANAGER',7839,'1981-6-9',2450,NULL,10);
INSERT INTO EMP VALUES
(7788,'SCOTT','ANALYST',7566,'87-7-13',3000,NULL,20);
INSERT INTO EMP VALUES
(7839,'KING','PRESIDENT',NULL,'1981-11-17',5000,NULL,10);
INSERT INTO EMP VALUES
(7844,'TURNER','SALESMAN',7698,'1981-9-8',1500,0,30);
INSERT INTO EMP VALUES
(7876,'ADAMS','CLERK',7788,'87-7-13',1100,NULL,20);
INSERT INTO EMP VALUES
(7900,'JAMES','CLERK',7698,'1981-12-3',950,NULL,30);
INSERT INTO EMP VALUES
(7902,'FORD','ANALYST',7566,'1981-12-3',3000,NULL,20);
INSERT INTO EMP VALUES
(7934,'MILLER','CLERK',7782,'1982-1-23',1300,NULL,10);
2.从mysql导入数据到HDFS
导入数据使用import命令，输入如下命令查看帮助说明
$ sqoop help import输入命令导入数据
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--table EMP -m 1\访问 http://IP:8088/cluster 查看任务
点击History，查看历史
查看运行结果
默认导入HDFS路径：/user/用户名/表名
$ hadoop fs -ls /user/hadoop/EMP
$ hadoop fs -text /user/hadoop/EMP/part-m-00000
3.sqoop import 命令常用参数使用
(1).导入数据前先删除目录（–delete-target-dir）
如果重复执行上面的命令导入数据到hdfs会报如下错误
Encountered IOException running import job:
org.apache.hadoop.mapred.FileAlreadyExistsException:
Output directory hdfs://hdpcomprs:9000/user/hadoop/EMP already exists
错误原因：hdfs中文件路径已存在
解决方法：
①.手工把存在的目录删除
②.执行导入时，加上参数–delete-target-dir
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--table EMP -m 1(2).设置mapreduce作业名称（–mapreduce-job-name）
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--mapreduce-job-name FromMySQLToHDFS \
--table EMP -m 1查看mapreduce作业名称
(3).导入数据时指定hdfs路径（–target-dir）
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--mapreduce-job-name FromMySQLToHDFS \
--target-dir EMP_INFO \
--table EMP -m 1数据导入到hdfs的路径为：/user/hadoop/EMP_INFO
(4).设置只导入指定列的数据（–columns）
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--mapreduce-job-name FromMySQLToHDFS \
--target-dir EMP_COLUMN \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--table EMP -m 1运行结果：
$ hadoop fs -ls /user/hadoop/EMP_COLUMN
$ hadoop fs -text /user/hadoop/EMP_COLUMN/part-m-00000
(5).导入数据时设置文件的存储格式
使用参数–as-parquetfile 设置存储格式为parquet格式
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--mapreduce-job-name FromMySQLToHDFS \
--target-dir EMP_COLUMN_PARQUET \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--as-parquetfile \
--table EMP -m 1导入完成后，在hdfs中可以看到文件的存储格式为parquetfile
$ hadoop fs -ls /user/hadoop/EMP_COLUMN_PARQUET
(6).设置导入数据字段与字段、行与行之间的分隔符
设置字段与字段之间的分隔符使用参数–fields-terminated-by，设置行与行之间的分隔符使用–lines-terminated-by
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--mapreduce-job-name FromMySQLToHDFS \
--target-dir EMP_SPLIT \
--fields-terminated-by '\t' \
--lines-terminated-by '\n' \
--table EMP -m 1运行结果：
$ hadoop fs -ls /user/hadoop/EMP_SPLIT
$ hadoop fs -text /user/hadoop/EMP_SPLIT/part-m-00000
(7).条件导入
实现需求：将emp表中工资大于2000的员工信息导入到hdfs
- 方式一：–where
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--delete-target-dir \
--target-dir EMP_COLUMN_WHERE \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--mapreduce-job-name FromMySQLToHDFS \
--where 'SAL>2000' \
--fields-terminated-by '\t' \
--lines-terminated-by '\n' \
--table EMP -m 2命令中-m 写的是2，表示会有两个map，也就是两个输出文件，即执行完成后，在hdfs中会有两个文件
查看结果：
$ hadoop fs -ls /user/hadoop/EMP_COLUMN_WHERE
$ hadoop fs -text /user/hadoop/EMP_COLUMN_WHERE/part-m-00000
$ hadoop fs -text /user/hadoop/EMP_COLUMN_WHERE/part-m-00001
- 方式二：–query
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--target-dir EMP_COLUMN_QUERY \
--query 'select * from EMP where SAL>2000' \
--mapreduce-job-name FromMySQLToHDFS \
--fields-terminated-by '\t' \
--lines-terminated-by '\n' \
--table EMP -m 1执行命令报如下错误：
Cannot specify –query and –table together.
错误原因：在使用–query后，查询条件已经指定了表名，不需要再使用–table参数来指定表名了
解决方法：去掉–table参数
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--target-dir EMP_COLUMN_QUERY \
--query 'select * from EMP where SAL>2000' \
--mapreduce-job-name FromMySQLToHDFS \
--fields-terminated-by '\t' \
--lines-terminated-by '\n' \
-m 1修改后再次执行报如下错误：
IOException: Query [select * from EMP where
SAL>2000] must contain ‘$CONDITIONS’ in WHERE clause
解决方法：在where条件后添加 and $CONDITIONS
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--target-dir EMP_COLUMN_QUERY \
--query 'select * from EMP where SAL>2000 and $CONDITIONS' \
--mapreduce-job-name FromMySQLToHDFS \
--fields-terminated-by '\t' \
--lines-terminated-by '\n' \
-m 1查看运行结果：
$ hadoop fs -ls /user/hadoop/EMP_COLUMN_QUERY
$ hadoop fs -text /user/hadoop/EMP_COLUMN_QUERY/part-m-00000
–query 不仅支持单表查询，也支持多表查询
实现需求：查询员工编号、名称及员工所属部门导入到hdfs
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root \
--password P@ssw0rd \
--delete-target-dir \
--target-dir EMP_COLUMN_QUERY_JOIN \
--query 'select E.EMPNO,E.ENAME,D.DNAME from EMP E inner join DEPT D on D.DEPTNO = E.DEPTNO and $CONDITIONS' \
--mapreduce-job-name FromMySQLToHDFS \
--fields-terminated-by '\t' \
--lines-terminated-by '\n' \
-m 1查看运行结果：
$ hadoop fs -ls /user/hadoop/EMP_COLUMN_QUERY_JOIN
$ hadoop fs -text /user/hadoop/EMP_COLUMN_QUERY_JOIN/part-m-00000
(8).导入时将文件作为参数传入（–options-file）
新建文件emp.opt，文件内容如下
import
--connect
jdbc:mysql://localhost:3306/sqoop
--username
root
--password
P@ssw0rd
--delete-target-dir
--target-dir
EMP_OPTIONS_FILE
--mapreduce-job-name
FromMySQLToHDFS
--table
EMP
-m
1 注意：如果使用将文件作为参数，在文件中每个命令参数必须为一行
输入如下命令导入数据到hdfs
sqoop --options-file emp.opt 查看运行结果：
$ hadoop fs -ls /user/hadoop/EMP_OPTIONS_FILE
$ hadoop fs -text /user/hadoop/EMP_OPTIONS_FILE/part-m-00000
2.HDFS 导出数据到 MySQL
流程图：
说明：
(1).Sqoop与数据库通信，获取数据库表的元数据信息；
(2).将Hadoop上的文件划分成若干个Split，每个Split由一个Map Task进行数据导出操作；
1.HDFS 导出数据到MySQL
导出命令使用export，输入如下命令查看命令帮助说明
$ sqoop help export导出数据到mysql（mysql 中 没有表 EMP_DEMO）
sqoop export \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--table EMP_DEMO \
--export-dir /user/hadoop/EMP \
-m 1 执行命令后报错：
Table ‘sqoop.EMP_DEMO’ doesn’t exist
说明sqoop不会在mysql中自动创建表，在mysql中创建表EMP_DEMO
CREATE TABLE EMP_DEMO(
EMPNO int(4) PRIMARY KEY,
ENAME VARCHAR(10),
JOB VARCHAR(9),
MGR int(4),
HIREDATE DATE,
SAL int(7),
COMM int(7),
DEPTNO int(2),
foreign key(deptno) references DEPT(DEPTNO)
); 再次执行命令后（如果多次执行导出数据会一致追加到表EMP_DEMO中），运行结果如下
2.sqoop export 命令常用参数使用
导出指定的列（–columns）
sqoop export \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--table EMP_DEMO \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--export-dir /user/hadoop/EMP_COLUMN \
-m 1 查看结果：只有指定的列中有数据
导出数据时设置字段与字段、行与行之间的分隔符
hdfs中/user/hadoop下EMP_SPLIT文件中的数据是我们前面通过mysql导入的，使用了分隔符，所以在导出时也需要指定分隔符，否则导出不成功。EMP_SPLIT文件内容如下
sqoop export \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--table EMP_DEMO \
--fields-terminated-by '\t' --lines-terminated-by '\n' \
--export-dir /user/hadoop/EMP_SPLIT \
-m 1 运行结果：
3.MySQL 导入数据到 Hive
- 全部导入
实现需求：将mysql中表emp导入到hive中
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--table EMP \
--delete-target-dir \
--hive-import \
--hive-database db_test --create-hive-table --hive-table emp_import \
-m 1 运行结果：
注意：
运行完成后在hive中自动创建了一张表emp_import，通过命令查看表的信息，可以看到sal的数据类型为int，实际我们一般都是double类型，所以不建议使用–create-hive-table参数来自动创建hive表，建议手动创建表，再使用命令导入。
- 部分导入
hive 中 创建表
create table emp_column(
empno int,
ename string,
job string,
mgr int,
hiredate string,
sal double,
comm double,
deptno int
)
row format delimited fields terminated by '\t' lines terminated by '\n';
执行如下命令，将指定的列导入数据到hive
sqoop import \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--table EMP \
--delete-target-dir \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--fields-terminated-by '\t' --lines-terminated-by '\n' \
--hive-import --hive-table emp_column --hive-overwrite \
-m 1运行结果：
4.Hive 导出数据到 MySQL
实现需求：将hive 表 emp_import 中的数据导出到 Mysql 表 EMP_DEMO
hive 表 emp_import对应hdfs路径：/user/hive/warehouse/db_test.db/emp_import
mysql 中 EMP_DEMO 表结构如下
mysql> desc EMP_DEMO;
+----------+-------------+------+-----+---------+-------+
| Field | Type | Null | Key | Default | Extra |
+----------+-------------+------+-----+---------+-------+
| EMPNO | int(4) | NO | PRI | NULL | |
| ENAME | varchar(10) | YES | | NULL | |
| JOB | varchar(9) | YES | | NULL | |
| MGR | int(4) | YES | | NULL | |
| HIREDATE | date | YES | | NULL | |
| SAL | int(7) | YES | | NULL | |
| COMM | int(7) | YES | | NULL | |
| DEPTNO | int(2) | YES | MUL | NULL | |
+----------+-------------+------+-----+---------+-------+
8 rows in set (0.34 sec)注意：mysql中日期为date类型，hive中对应的字段为字符串类型，其存储格式必须为：yyyy-mm-dd
导出时指定null字段的填充符，如果不指定会报一个异常NumberFormatException
–input-null-string：如果没有这个选项，那么在字符串类型列中，字符串”null”会被转换成空字符串,所以最好写上这个，指定为’\N’
–input-null-non-string：如果没有这个选项，那么在非字符串类型的列中，空串和”null”都会被看作是null
执行命令导出（相当于hdfs导出到mysql）
sqoop export \
--connect jdbc:mysql://localhost:3306/sqoop \
--username root --password P@ssw0rd \
--table EMP_DEMO \
--export-dir /user/hive/warehouse/db_test.db/emp_import \
--input-fields-terminated-by '\001' \
--input-null-string '\\N' --input-null-non-string '\\N' \
-m 1 运行结果：
