Linux环境Sqoop安装配置及使用

Linux环境Sqoop安装配置及使用

1. 认识Sqoop

(1) Sqoop介绍

• 数据迁移工具(等价于mapreduce的map阶段)
• 过程：数据导入-->处理-->数据导出
• 作用：简化开发
• 官网：http://sqoop.apache.org/
• 概述：Apache Sqoop是一种工具，用于在Apache Hadoop和结构化数据存储（如关系数据库）之间高效传输批量数据——数据迁移。

2. sqoop-1.4.7安装配置流程

(1) Sqoop环境前提：

• Hadoop
• 关系型数据库(MySQL/Oracle)
• HBase
• Hive
• ZooKeeper

(2) 解压sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz安装包到目标目录下：

• tar -zxvf .tar.gz -C 目标目录

(3) 为后续方便，重命名Sqoop文件夹：

• mv sqoop-1.4.7.bin__hadoop-2.6.0/ sqoop-1.4.7

(4) 修改配置文件：

• 进入sqoop-1.4.7/conf路径，重命名配置文件：
  • mv sqoop-env-template.sh sqoop-env.sh
• 修改sqoop-env.sh信息：(若配置了环境变量，可通过echo $XXXXX_HOME查询安装位置)
  • vi sqoop-env.sh

  • #Set path to where bin/hadoop is available
    export HADOOP_COMMON_HOME=Hadoop安装路径
    
    #Set path to where hadoop-*-core.jar is available
    #export HADOOP_MAPRED_HOME=Hadoop安装路径
    
    #set the path to where bin/hbase is available
    #export HBASE_HOME=HBase安装路径
    
    #Set the path to where bin/hive is available
    #export HIVE_HOME=Hive安装路径
    
    #Set the path for where zookeper config dir is
    #export ZOOCFGDIR=ZooKeeper 配置文件夹 路径
    复制代码

(5) 关联Hive：

• cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(5) 配置环境变量：

• 修改配置文件：
  • vi /etc/profile
• 增加以下内容：
  • export SQOOP_HOME=sqoop安装路径
  • export PATH=$PATH:$SQOOP_HOME/bin
• 声明环境变量：
  • source /etc/profile

(6) 启动查看版本号

• sqoop version

(7) 添加驱动：

• 导入MySQL驱动到sqoop/lib下
• 导入Oracle驱动到sqoop/lib下

3. Sqoop操作

(1) 常用参数：

• 参数查看：Sqoop官网 -> documentation -> Sqoop User Guide
  
  
• import 导入数据到集群
• export 从集群导出数据
• create-hive-table 创建hive表
• import-all-tables 指定关系型数据库所有表到集群
• list-databases 列出所有数据库
• list-tables 列出所有数据库表
• merge 合并数据
• codegen 获取某张表数据生成JavaBean并打Jar包

(2) import——Sqoop的导入操作：

• 功能：MySQL/Oracle --> HDFS/Hive
• 修改MySQL访问权限：
  • 查看权限：
    • use mysql;
    • select User, Host, Password from user;
  • 修改权限为所有用户都可访问：
    • update user set host='%' where host='localhost';
    • delete from user where Host='127.0.0.1';
    • delete from user where Host='bigdata01';
    • delete from user where Host='::1';
    • flush privileges;
• 操作命令：
  • 本地mysql表上传至hdfs：
    • 导出命令：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 # 连接MySQL --username root # 用户名 --password XXXXXX # 密码 --table 表名 # 上传至HDFS的表 --target-dir /YYYYYYY # HDFS目标文件夹 --num-mappers 1 # 指定map运行 --fields-terminated-by "\t" # 指定分隔符
    • Linux本地查看hdfs上传结果：
      • hdfs dfs -cat /XXXXXXX/part-m-00000
    • 使用query对数据进行过滤：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --fields-terminated-by "\t" --query 'select * from 表名 where 条件 and $CONDITIONS' # $CONDITIONS 对mapper进行索引
    • 直接过滤字段：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --columns 字段名
  • 本地mysql表上传至hive：
    • 准备工作：
      • 开启hive服务
      • 在hive中创建好要导入的对应表
    • 导入命令：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password 密码 --table 表名 --num-mappers 1 --hive-import --fields-terminated-by "\t" --hive-overwrite --hive-table hive数据库名.表名
      • 在Hive中可以看到指定表中已传入数据信息
      • 可能报错1：
        • ERROR tool.ImportTool: Import failed: java.io.IOException: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf
        • 报错原因：hive环境变量配置缺失
        • 解决方法：——Hadoop环境加入Hive依赖
          • 修改配置文件：
            • vi /etc/profile
          • 增加以下内容：
            • export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$HIVE_HOME/lib/*
          • 声明环境变量：
            • source /etc/profile
      • 可能报错2：
        • ERROR tool.ImportTool: Import failed: org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://bigdata01:9000/XXXXXXXXXX already exists
        • 报错原因：hdfs中存在同名路径
        • 解决方法：
          • 指定新路径或者删除hdfs中原文件
      • 可能报错3：
        • FAILED: SemanticException [Error 10072]: Database does not exist: XXXXXXXX
        • 报错原因：Sqoop没有关联Hive
        • 解决方法：
          • cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(3) emport——Sqoop的导出操作：

• 功能：HDFS/Hive --> MySQL/Oracle
• 操作命令：
  • hive表导出至本地mysql：
    • 导出命令：
      • sqoop emport --connect jdbc:mysql://bigdata01:3306/数据库名 # 连接MySQL --username root # 用户名 --password XXXXXX # 密码 --table 表名 # 目标mysql表 --export-dir /user/hive/warehouse/YYYYYYY # hive文件夹 --num-mappers 1 # 指定map运行 --input-fields-terminated-by "\t" # 指定分隔符

(4) 列出所有数据库：

• 操作命令：
  • sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 密码

(5) 获取数据库表数据生成JavaBean：

• 操作命令：
  • sqoop codegen --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password 密码 --table 表名 -- bindir Linux本地路径 # 指定Jar包打包路径 --class-name 类名 # 指定Java类名 --fields-terminated-by "\t"

(6) 合并hdfs中不同目录下的数据：

• 操作命令：
  • sqoop merge --new-data hdfs新表路径 --onto hdfs旧表路径 --target-dir /YYYYYYY # 合并后的hdfs路径 --jar-file = # Linux本地Jar包路径 --class-name XXXXX # Jar包的类 --merge-key id # 合并依据
• **注意：**merge操作是一个新表替代旧表的操作，如果有冲突id的话新表数据替换旧表数据，如果没有冲突则是新表数据添加到旧表的数据。

转载于:https://juejin.im/post/5c83f9436fb9a049e064266e