大数据学习系列：Hadoop3.0苦命学习（七）
传送门：
大数据学习系列：Hadoop3.0苦命学习（一）
大数据学习系列：Hadoop3.0苦命学习（二）
大数据学习系列：Hadoop3.0苦命学习（三）
大数据学习系列：Hadoop3.0苦命学习（四）
大数据学习系列：Hadoop3.0苦命学习（五）
大数据学习系列：Hadoop3.0苦命学习（六）
大数据学习系列：Hadoop3.0苦命学习（七）
本节主要学习Azkaban和sqoop。
目录
- 1 Azkaban 介绍
-
- 1.1 为什么需要Azkaban
- 1.2 常见工作流调度系统
- 1.3 各种调度工具特性对比
- 1.5 Azkaban 是什么
- 2 安装
-
- 2.1 编译
- 2.2 Azkaban 单服务模式安装与使用
-
- Step 1: 解压
- Step 2: 修改时区配置文件
- Step 4: 浏览器页面访问
- 2.3 Azkaban 两个服务器模式安装与使用
-
- Step 1: 数据库准备
- Step 2: 解压软件包
- Step 3: 安装SSL安全认证
- Step 4: azkaban web server安装
- Step 5: azkaban executor server 安装 第一步：修改azkaban-exex-server配置文件
- Step 6: azkaban executor server 安装 第二步：添加插件
- Step 7: azkaban executor server 安装 第三步：修改配置文件
- Step 7: 启动服务
- 3 实战
-
- 3.1 Command 类型单一 Job 示例
-
- Step 1: 创建 Job 描述文件
- Step 2: 将job资源文件打包成zip文件
- Step 3: 创建project并上传压缩包
- Step 4: 启动执行job
- 3.2 Command 类型多 Job 示例
-
- Step 1: 创建有依赖关系的多个job描述
- Step 2: 将所有job资源文件打到一个zip包中
- Step 3: 在azkaban的web管理界面创建工程并上传zip包
- Step 4: 启动工作流flow
- 3.3 HDFS 操作任务
-
- Step 1: 创建job描述文件fs.job
- Step 2: 将job资源文件打包成zip文件
- Step 3: 通过azkaban的web管理平台创建project并上传job压缩包
- Step 4: 启动执行该job
- 3.4 MapReduce 任务
-
- Step 1: 创建job描述文件，及mr程序jar包（示例中直接使用hadoop自带的example jar）
- Step 2: 将所有job资源文件打到一个zip包中
- Step 3: 在azkaban的web管理界面创建工程并上传zip包
- Step 4: 启动job
- 3.5 Hive 脚本任务
-
- Step 1: 创建job描述文件和hive脚本
- Step 2: Job描述文件：hive.job
- Step 3: 将所有job资源文件打到一个zip包中
- Step 4: 在azkaban的web管理界面创建工程并上传zip包
- Step 5: 启动job
- 3.6 Azkaban 的定时任务
- 4 sqoop 数据迁移
-
- 4.1 概述
- 4.2 sqoop1与sqoop2架构对比
- 4.3 工作机制
- 4.4 sqoop实战及原理
-
- 4.4.1 sqoop安装
- 4.5 Sqoop的数据导入
-
- 其它导入示例
-
- 表数据
- 导入数据库表数据到 HDFS
- 导入到HDFS指定目录
- 导入到hdfs指定目录并指定字段之间的分隔符
- 导入关系表到HIVE
- 导入关系表到hive并自动创建hive表
- 导入表数据子集
- sql语句查找导入hdfs
- 增量导入
- 4.6 Sqoop的数据导出
-
- hdfs导出到mysql
-
- 第一步：创建mysql表
- 第二步：执行导出命令
1 Azkaban 介绍
1.1 为什么需要Azkaban
一个完整的数据分析系统通常都是由大量任务单元组成
- shell 脚本程序
- java 程序
- mapreduce 程序
- hive 脚本等
各任务单元之间存在时间先后及前后依赖关系, 为了很好地组织起这样的复杂执行计划，需要一个工作流调度系统来调度执行；
例如，我们可能有这样一个需求，某个业务系统每天产生20G原始数据，我们每天都要对其进行处理，处理步骤如下所示：
- 通过Hadoop先将原始数据同步到HDFS上；
- 借助MapReduce计算框架对原始数据进行转换，生成的数据以分区表的形式存储到
多张Hive表中； - 需要对Hive中多个表的数据进行JOIN处理，得到一个明细数据Hive大表；
- 将明细数据进行各种统计分析，得到结果报表信息；
- 需要将统计分析得到的结果数据同步到业务系统中，供业务调用使用。
1.2 常见工作流调度系统
简单的任务调度：直接使用linux的crontab来定义；
复杂的任务调度:在hadoop领域，常见的工作流调度器有Oozie, Azkaban,Cascading, 等
1.3 各种调度工具特性对比
下面的表格对上述四种 hadoop工作流调度器的关键特性进行了比较，尽管这些工作流调度器能够解决的需求场景基本一致，但在设计理念，目标用户，应用场景等方面还是存在显著的区别，在做技术选型的时候，可以提供参考
| 特性 | Hamake | Oozie | Azkaban | Cascading |
|---|---|---|---|---|
| 工作流描述语言 | XML | XML (xPDL based) | text file with key/value pairs | Java API |
| 依赖机制 | data-driven | explicit | explicit | explicit |
| 是否要web容器 | No | Yes | Yes | No |
| 进度跟踪 | console/log messages | web page | web page | Java API |
| Hadoop job调度支持 | no | yes | yes | yes |
| 运行模式 | command line utility | daemon | daemon | API |
| Pig支持 | yes | yes | yes | yes |
| 事件通知 | no | no | no | yes |
| 需要安装 | no | yes | yes | no |
| 支持的hadoop版本 | 0.18+ | 0.20+ | currently unknown | 0.18+ |
| 重试支持 | no | workflownode evel | yes | yes |
| 运行任意命令 | yes | yes | yes | yes |
| Amazon EMR支持 | yes | no | currently unknown | yes |
1.5 Azkaban 是什么
Azkaban 是由Linkedin开源的一个批量工作流任务调度器。用于在一个工作流内以一个特定的顺序运行一组工作和流程。
Azkaban定义了一种KV文件(properties)格式来建立任务之间的依赖关系，并提供一个易
于使用的web用户界面维护和跟踪你的工作流。
它有如下功能特点：
- Web 用户界面
- 基于时间的执行任务
- 方便上传工作流
- 方便设置任务之间的关系
- 工作流和任务的日志记录和审计
2 安装
2.1 编译
我们这里选用azkaban3.51.0这个版本自己进行重新编译，编译完成之后得到我们需要的安装包进行安装
注意：我们这里编译需要使用jdk1.8的版本来进行编译，如果编译服务器使用的jdk版本
是1.7的，记得切换成jdk1.8，我们这里使用的是jdk8u141这个版本来进行编译
我这里使用的是node03主机
cd /export/softwares/
wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz
tar -zxvf azkaban-3.51.0.tar.gz -C ../services/
cd /export/services/azkaban-3.51.0/
yum ‐y install git
yum ‐y install gcc‐c++
./gradlew build installDist ‐x test
泪目，为了这个，弄了一天。。。
编译完成后得到如下文件
azkaban-exec-server
编译完成之后得到我们需要的安装包在以下目录下即可获取得到
azkaban-exec-server存放目录
/export/services/azkaban-3.51.0/azkaban-exec-server/build/distributions/
azkaban-web-server
azkaban-web-server存放目录
/export/services/azkaban-3.51.0/azkaban-web-server/build/distributions
azkaban-solo-server
azkaban-solo-server存放目录
/export/services/azkaban-3.51.0/azkaban-solo-server/build/distributions
execute-as-user.c
azkaban two server模式下需要的C程序在这个路径下面
/export/services/azkaban-3.51.0/az-exec-util/src/main/c
数据库脚本文件
数据库脚本文件在这个路径下面
/export/services/azkaban-3.51.0/azkaban-db/build/install/azkaban-db/
2.2 Azkaban 单服务模式安装与使用
所需软件 : azkaban-solo-server
Step 1: 解压
azkaban 的solo server使用的是一个单节点的模式来进行启动服务的，只需要一个
azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz的安装包即可启动，所有的数据信息都是
保存在H2这个azkaban默认的数据当中，
上传我们的压缩包，然后修改配置文件启动即可
cd /export/services/azkaban-3.51.0/azkaban-solo-server/build/distributions
cp azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz /export/softwares/
cd /export/softwares/
tar -zxvf azkaban-solo-server-0.1.0-SNAPSHOT.tar.gz -C ../services/
Step 2: 修改时区配置文件
cd /export/services/azkaban-solo-server-0.1.0-SNAPSHOT/conf/
vim azkaban.properties
修改内容：
default.timezone.id=Asia/Shanghai
修改 commonprivate.properties配置文件
cd /export/services/azkaban-solo-server-0.1.0-SNAPSHOT/plugins/jobtypes/
vim commonprivate.properties
添加：
memCheck.enabled=false
Step 3: 启动solo-server
启动azkaban-solo-server
cd /export/services/azkaban-solo-server-0.1.0-SNAPSHOT/
bin/start-solo.sh
通过jps查看启动情况
Step 4: 浏览器页面访问
浏览器页面访问 http://node03:8081/
用户名和密码默认都是：azkaban
单服务模式使用
需求：使用azkaban调度我们的shell脚本，执行linux的shell命令
创建普通文本文件 foo.job，文件内容如下
type=command
command=echo "hello world"
然后将这个文件打包为压缩文件（注意：是zip格式），如下：
azkaban 上传我们的压缩包
开始执行工作流
直接执行工作流
2.3 Azkaban 两个服务器模式安装与使用
需要的工具
Azkaban Web服务安装包 azkaban-web-server-0.1.0-SNAPSHOT.tar.gz
Azkaban执行服务安装包 azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz编译之后的sql脚本 create-all-sql-0.1.0-SNAPSHOT.sql
C 程序文件脚本 execute-as-user.c程序
Step 1: 数据库准备
进入mysql的客户端执行以下命令
mysql ‐uroot ‐p
执行以下命令：
CREATE DATABASE azkaban;
CREATE USER 'azkaban'@'%' IDENTIFIED BY 'azkaban';
GRANT all privileges ON azkaban.* to 'azkaban'@'%' identified by
'azkaban' WITH GRANT OPTION;
flush privileges;
use azkaban;
source /export/softwares/create‐all‐sql‐0.1.0‐SNAPSHOT.sql;
Step 2: 解压软件包
解压软件安装包
- 解压 azkaban-web-server
cd /export/softwares/
tar -zxvf azkaban-web-server-0.1.0-SNAPSHOT.tar.gz -C ../services/
cd /export/services/
mv azkaban‐web‐server‐0.1.0‐SNAPSHOT/ azkaban‐web‐server‐3.51.0
* 解压azkaban‐exec‐server
```shell
cd /export/softwares/
tar -zxvf azkaban-exec-server-0.1.0-SNAPSHOT.tar.gz -C ../services/
cd /export/services/
mv azkaban‐exec‐server‐0.1.0‐SNAPSHOT/ azkaban‐exec‐server‐3.51.0
Step 3: 安装SSL安全认证
安装ssl安全认证，允许我们使用https的方式访问我们的azkaban的web服务
密码一定要一个个的字母输入，或者粘贴也行
cd /export/services/azkaban-web-server-3.51.0/
keytool -keystore keystore -alias jetty -genkey -keyalg RSA
Step 4: azkaban web server安装
修改azkaban-web-server的配置文件
cd /export/services/azkaban-web-server-3.51.0/conf/
vim azkaban.properties
配置如下：
# Azkaban Personalization Settings
azkaban.name=Azkaban
azkaban.label=My Azkaban
azkaban.color=#FF3601
azkaban.default.servlet.path=/index
web.resource.dir=web/
default.timezone.id=Asia/Shanghai
# Azkaban UserManager class
user.manager.class=azkaban.user.XmlUserManager
user.manager.xml.file=conf/azkaban-users.xml
# Loader for projects
executor.global.properties=conf/global.properties
azkaban.project.dir=projects
# Velocity dev mode
velocity.dev.mode=false
# Azkaban Jetty server properties.
jetty.use.ssl=true
jetty.maxThreads=25
jetty.port=8081
jetty.ssl.port=8443
jetty.keystore=/export/services/azkaban-web-server-3.51.0/keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=/export/services/azkaban-web-server-3.51.0/keystore
jetty.trustpassword=azkaban
# Azkaban Executor settings
# mail settings
mail.sender=
mail.host=
# enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081
# azkaban.webserver.external_hostname=myazkabanhost.com
# azkaban.webserver.external_ssl_port=443
# azkaban.webserver.external_port=8081
job.failure.email=
job.success.email=
lockdown.create.projects=false
cache.directory=cache
# JMX stats
jetty.connector.stats=true
executor.connector.stats=true
# Azkaban mysql settings by default. Users should configure their own
username and password.
database.type=mysql
mysql.port=3306
mysql.host=node03
mysql.database=azkaban
mysql.user=azkaban
mysql.password=azkaban
mysql.numconnections=100
#Multiple Executor
azkaban.use.multiple.executors=true
#azkaban.executorselector.filters=StaticRemainingFlowSize,MinimumFreeMemo
ry,CpuStatus
azkaban.executorselector.comparator.NumberOfAssignedFlowComparator=1
azkaban.executorselector.comparator.Memory=1
azkaban.executorselector.comparator.LastDispatched=1
azkaban.executorselector.comparator.CpuUsage=1
azkaban.activeexecutor.refresh.milisecinterval=10000
azkaban.queueprocessing.enabled=true
azkaban.activeexecutor.refresh.flowinterval=10
azkaban.executorinfo.refresh.maxThreads=10
Step 5: azkaban executor server 安装 第一步：修改azkaban-exex-server配置文件
修改azkaban-exec-server的配置文件
cd /export/services/azkaban-exec-server-3.15.0/conf/
vim azkaban.properties
配置如下：
# Azkaban Personalization Settings
azkaban.name=Azkaban
azkaban.label=My Azkaban
azkaban.color=#FF3601
azkaban.default.servlet.path=/index
web.resource.dir=web/
default.timezone.id=Asia/Shanghai
# Azkaban UserManager class
user.manager.class=azkaban.user.XmlUserManager
user.manager.xml.file=conf/azkaban-users.xml
# Loader for projects
executor.global.properties=conf/global.properties
azkaban.project.dir=projects
# Velocity dev mode
velocity.dev.mode=false
# Azkaban Jetty server properties.
jetty.use.ssl=true
jetty.maxThreads=25
jetty.port=8081
jetty.keystore=/export/services/azkaban-web-server-3.51.0/keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=/export/services/azkaban-web-server-3.51.0/keystore
jetty.trustpassword=azkaban
# Where the Azkaban web server is located
azkaban.webserver.url=https://node03:8443
# mail settings
mail.sender=
mail.host=
# enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081
# azkaban.webserver.external_hostname=myazkabanhost.com
# azkaban.webserver.external_ssl_port=443
# azkaban.webserver.external_port=8081
job.failure.email=
job.success.email=
lockdown.create.projects=false
cache.directory=cache
# JMX stats
jetty.connector.stats=true
executor.connector.stats=true
# Azkaban plugin settings
azkaban.jobtype.plugin.dir=plugins/jobtypes
# Azkaban mysql settings by default. Users should configure their own
username and password.
database.type=mysql
mysql.port=3306
mysql.host=node03
mysql.database=azkaban
mysql.user=azkaban
mysql.password=azkaban
mysql.numconnections=100
# Azkaban Executor settings
executor.maxThreads=50
executor.flow.threads=30
Step 6: azkaban executor server 安装 第二步：添加插件
将我们编译后的C文件execute-as-user.c
上传到这个目录来/export/services/azkaban-exec-server-3.51.0/plugins/jobtypes
或者直接将文件拷贝过来也行
cd /export/services/azkaban-3.51.0/az-exec-util/src/main/c
cp execute-as-user.c /export/services/azkaban-exec-server-3.15.0/plugins/jobtypes/
然后执行以下命令生成execute-as-user
yum -y install gcc-c++
cd /export/services/azkaban-exec-server-3.15.0/plugins/jobtypes/
gcc execute-as-user.c -o execute-as-user
chown root execute-as-user
chmod 6050 execute-as-user
Step 7: azkaban executor server 安装 第三步：修改配置文件
修改配置文件
cd /export/services/azkaban-exec-server-3.15.0/plugins/jobtypes/
vim commonprivate.properties
execute.as.user=false
memCheck.enabled=false
azkaban.native.lib=/export/services/azkaban-exec-server-3.15.0/plugins/jobtypes
Step 7: 启动服务
第一步：启动azkaban exec server
cd /export/services/azkaban-exec-server-3.15.0/
bin/start-exec.sh
第二步：激活我们的exec-server
node03机器任意目录下执行以下命令
curl -G "node03:$(<./executor.port)/executor?action=activate" && echo
第三步：启动azkaban-web-server
cd /export/services/azkaban-web-server-3.51.0/
bin/start-web.sh
访问地址：
https://node03:8443
3 实战
Azkaba内置的任务类型支持command、java
3.1 Command 类型单一 Job 示例
Step 1: 创建 Job 描述文件
创建文本文件，更改名称为 mycommand.job
注意后缀.txt一定不要带上，保存为格式为UFT-8 without bom
内容如下
type=command
command=echo 'hello world'
Step 2: 将job资源文件打包成zip文件
Step 3: 创建project并上传压缩包
通过azkaban的web管理平台创建project并上传job压缩包
首先创建project
上传 zip包
Step 4: 启动执行job
3.2 Command 类型多 Job 示例
Step 1: 创建有依赖关系的多个job描述
第一个job：foo.job
type=command
command=echo 'foo'
第二个job：bar.job依赖foo.job
type=command
command=echo 'bar'
dependencies=foo
Step 2: 将所有job资源文件打到一个zip包中
Step 3: 在azkaban的web管理界面创建工程并上传zip包
Step 4: 启动工作流flow
3.3 HDFS 操作任务
Step 1: 创建job描述文件fs.job
type=command
command=/export/services/hadoop-3.1.1/bin/hdfs dfs -mkdir /azkaban
Step 2: 将job资源文件打包成zip文件
Step 3: 通过azkaban的web管理平台创建project并上传job压缩包
Step 4: 启动执行该job
3.4 MapReduce 任务
MR 任务依然可以使用command的job类型来执行
Step 1: 创建job描述文件，及mr程序jar包（示例中直接使用hadoop自带的example jar）
type=command
command=/export/services/hadoop-3.1.1/bin/hadoop jar hadoop-mapreduce-examples-3.1.1.jar pi 3 5
Step 2: 将所有job资源文件打到一个zip包中
Step 3: 在azkaban的web管理界面创建工程并上传zip包
Step 4: 启动job
好慢，计算个3.7333…，算了3分钟多
3.5 Hive 脚本任务
Step 1: 创建job描述文件和hive脚本
Hive脚本： hive.sql
create database if not exists azhive;
use azhive;
create table if not exists aztest(id string,name string) row format delimited fields terminated by '\t';
Step 2: Job描述文件：hive.job
type=command
command=/export/services/apache-hive-3.1.1-bin ‐f 'hive.sql'
Step 3: 将所有job资源文件打到一个zip包中
Step 4: 在azkaban的web管理界面创建工程并上传zip包
Step 5: 启动job
3.6 Azkaban 的定时任务
使用azkaban的scheduler功能可以实现对我们的作业任务进行定时调度功能
*/1 * ? * * 每分钟执行一次定时调度任务
0 1 ? * * 每天晚上凌晨一点钟执行这个任务
0 */2 ? * * 每隔两个小时定时执行这个任务
30 21 ? * * 每天晚上九点半定时执行这个任务
4 sqoop 数据迁移
4.1 概述
sqoop是apache旗下一款“Hadoop和关系数据库服务器之间传送数据”的工具。
导入数据：MySQL，Oracle导入数据到Hadoop的HDFS、HIVE、HBASE等数据存储系
统；
导出数据：从Hadoop的文件系统中导出数据到关系数据库mysql等
4.2 sqoop1与sqoop2架构对比
sqoop1架构
sqoop2 架构
4.3 工作机制
将导入或导出命令翻译成mapreduce程序来实现
在翻译出的mapreduce中主要是对inputformat和outputformat进行定制
4.4 sqoop实战及原理
4.4.1 sqoop安装
安装sqoop的前提是已经具备java和hadoop的环境
- 下载并解压
下载地址
http://archive.apache.org/dist/sqoop/1.4.7/
sqoop1 版本详细下载地址
http://archive.apache.org/dist/sqoop/1.4.7/sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz
sqoop2版本详细下载地址
http://archive.apache.org/dist/sqoop/1.99.6/sqoop-1.99.6-bin-hadoop200.tar.gz
我们这里使用sqoop1的版本，下载之后上传到/export/softwares目录下，然后进行解压
cd /export/softwares/
tar -zxvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C ../services/
- 修改配置文件
cd /export/services/sqoop-1.4.7.bin__hadoop-2.6.0/conf/
cp sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.sh
export HADOOP_COMMON_HOME=/export/services/hadoop-3.1.1
export HADOOP_MAPRED_HOME=/export/services/hadoop-3.1.1
export HIVE_HOME=/export/services/apache-hive-3.1.1-bin
- 加入额外的依赖包
sqoop的使用需要添加两个额外的依赖包，一个是mysql的驱动包，一个是java-json的的依赖包，不然就会报错
mysql-connector-java-5.1.49.jar
java-json.jar
将这个两个jar包添加到sqoop的lib目录下
4. 验证启动
cd /export/services/sqoop-1.4.7.bin__hadoop-2.6.0/
bin/sqoop-version
4.5 Sqoop的数据导入
“导入工具”导入单个表从RDBMS到HDFS。表中的每一行被视为HDFS的记录。所有记录都存储为文本文件的文本数据（或者Avro、sequence文件等二进制数据）
列举出所有的数据库
命令行查看帮助
bin/sqoop list-databases --help
列出windows主机所有的数据库
bin/sqoop list-databases --connect jdbc:mysql://192.168.0.102:3306/ --username root --password 123456
如果出现连接拒绝，则在windows的mysql的数据库中执行以下命令:
开启windows的远程连接权限
GRANT ALL PRIVILEGES ON *.* TO 'root'@'%' IDENTIFIED BY '123456' WITH GRANT OPTION;
FLUSH PRIVILEGES;
查看某一个数据库下面的所有数据表
bin/sqoop list‐tables ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456
其它导入示例
表数据
在 mysql中有一个库userdb中三个表：emp, emp_add和emp_conn
数据脚本：
/*
SQLyog Ultimate v12.08 (64 bit)
MySQL - 5.7.23-log : Database - userdb
*********************************************************************
*/
/*!40101 SET NAMES utf8 */;
/*!40101 SET SQL_MODE=''*/;
/*!40014 SET @OLD_UNIQUE_CHECKS=@@UNIQUE_CHECKS, UNIQUE_CHECKS=0 */;
/*!40014 SET @OLD_FOREIGN_KEY_CHECKS=@@FOREIGN_KEY_CHECKS, FOREIGN_KEY_CHECKS=0 */;
/*!40101 SET @OLD_SQL_MODE=@@SQL_MODE, SQL_MODE='NO_AUTO_VALUE_ON_ZERO' */;
/*!40111 SET @OLD_SQL_NOTES=@@SQL_NOTES, SQL_NOTES=0 */;
CREATE DATABASE /*!32312 IF NOT EXISTS*/`userdb` /*!40100 DEFAULT CHARACTER SET utf8 */;
USE `userdb`;
/*Table structure for table `emp` */
DROP TABLE IF EXISTS `emp`;
CREATE TABLE `emp` (
`id` int(11) NOT NULL,
`name` varchar(30) DEFAULT NULL,
`deg` varchar(30) DEFAULT NULL,
`salary` double DEFAULT NULL,
`dept` char(2) DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
/*Data for the table `emp` */
insert into `emp`(`id`,`name`,`deg`,`salary`,`dept`) values (1201,'gopal','manager',50000,'TP'),(1202,'manisha','Proof reader',50000,'TP'),(1203,'khalil','php dev',30000,'AC'),(1204,'prasanth','php dev',30000,'AC'),(1205,'kranthi','admin',20000,'TP');
/*Table structure for table `emp_add` */
DROP TABLE IF EXISTS `emp_add`;
CREATE TABLE `emp_add` (
`id` int(11) NOT NULL,
`hno` varchar(30) DEFAULT NULL,
`street` varchar(30) DEFAULT NULL,
`city` varchar(30) DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
/*Data for the table `emp_add` */
insert into `emp_add`(`id`,`hno`,`street`,`city`) values (1201,'288A','vgiri','jublee'),(1202,'108l','aoc','sec-bad'),(1203,'144Z','pgutta','hyd'),(1204,'78B','old city','sec-bad'),(1205,'720X','hitec','sec-bad');
/*Table structure for table `emp_conn` */
DROP TABLE IF EXISTS `emp_conn`;
CREATE TABLE `emp_conn` (
`id` int(11) NOT NULL,
`phno` int(11) DEFAULT NULL,
`email` varchar(30) DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
/*Data for the table `emp_conn` */
insert into `emp_conn`(`id`,`phno`,`email`) values (1201,2356742,'[email protected]'),(1202,1661663,'[email protected]'),(1203,8887776,'[email protected]'),(1204,9988774,'[email protected]'),(1205,1231231,'[email protected]');
/*!40101 SET SQL_MODE=@OLD_SQL_MODE */;
/*!40014 SET FOREIGN_KEY_CHECKS=@OLD_FOREIGN_KEY_CHECKS */;
/*!40014 SET UNIQUE_CHECKS=@OLD_UNIQUE_CHECKS */;
/*!40111 SET SQL_NOTES=@OLD_SQL_NOTES */;
表emp:
表emp_add:
表emp_conn:
导入数据库表数据到 HDFS
下面的命令用于从MySQL数据库服务器中的emp表导入HDFS。
bin/sqoop import ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456 ‐‐table emp ‐‐m 1
可以在hdfs上看到数据
导入到HDFS指定目录
在导入表数据到HDFS使用Sqoop导入工具，我们可以指定目标目录。
使用参数 --target-dir 来指定导出目的地，
使用参数 --delete-target-dir 来判断导出目录是否存在，如果存在就删掉
bin/sqoop import --connect jdbc:mysql://192.168.0.102:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp --m 1
发现目标：
默认以“,”为分隔符
导入到hdfs指定目录并指定字段之间的分隔符
bin/sqoop import --connect jdbc:mysql://192.168.0.102:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp2 --m 1 --fields-terminated-by '\t'
结果：
导入关系表到HIVE
第一步：拷贝jar包
将我们 mysql表当中的数据直接导入到hive表中的话，我们需要将hive的一个叫做hive- exec-3.1.1.jar 的jar包拷贝到sqoop的lib目录下
cd /export/services/apache-hive-3.1.1-bin/lib/
cp hive-exec-3.1.1.jar /export/services/sqoop-1.4.7.bin__hadoop-2.6.0/lib/
第二步：准备hive数据库与表
将我们mysql当中的数据导入到hive表当中来
hive (default)> create database sqooptohive;
hive (default)> use sqooptohive;
hive (sqooptohive)> create external table emp_hive(id int,name string,deg
string,salary int ,dept string) row format delimited fields terminated by
'\001';
第三步：开始导入
bin/sqoop import ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456 ‐‐table emp ‐‐fields‐terminated‐by '\001' ‐‐hive‐import ‐‐hive‐table sqooptohive.emp_hive ‐‐hive‐overwrite ‐‐delete‐target‐dir ‐‐m 1
第四步：hive表数据查看
select * from emp_hive;
导入关系表到hive并自动创建hive表
我们也可以通过命令来将我们的mysql的表直接导入到hive表当中去
bin/sqoop import ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456 ‐‐table emp_conn ‐‐hive‐import ‐m 1 ‐‐hive‐database sqooptohive
通过这个命令，我们可以直接将我们mysql表当中的数据以及表结构一起倒入到hive当中
去
导入表数据子集
我们可以导入表的使用Sqoop导入工具，"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。
where子句的语法如下。
按照条件进行查找，通过–where`参数来查找表emp_add当中city字段的值为sec-bad的
所有数据导入到hdfs上面去
bin/sqoop import --connect jdbc:mysql://192.168.0.102:3306/userdb --username root --password 123456 --table emp_add --target-dir /sqoop/emp_add -m 1 --delete-target-dir --where "city = 'sec-bad'"
结果如下：
sql语句查找导入hdfs
我们还可以通过 –query参数来指定我们的sql语句，通过sql语句来过滤我们的数据进行
导入
bin/sqoop import ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456 ‐‐delete‐target‐dir ‐m 1 ‐‐query 'select email from emp_conn where 1=1 and $CONDITIONS' ‐‐target‐dir /sqoop/emp_conn
增量导入
在实际工作当中，数据的导入，很多时候都是只需要导入增量数据即可，并不需要将表
中的数据全部导入到hive或者hdfs当中去，肯定会出现重复的数据的状况，所以我们一
般都是选用一些字段进行增量的导入，为了支持增量的导入，sqoop也给我们考虑到了这种情况并且支持增量的导入数据
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。
第一种增量导入使用上面的选项来实现
导入emp表当中id大于1202的所有数据
注意：增量导入的时候，一定不能加参数–delete-target-dir否则会报错
bin/sqoop import ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456 ‐‐table emp ‐‐incremental append ‐‐check‐column id ‐‐last‐value 1202 ‐m 1 ‐‐target‐dir /sqoop/increment
查看数据内容
hdfs dfs -text /sqoop/increment/part*
4.6 Sqoop的数据导出
1、将数据从HDFS把文件导出到RDBMS数据库
导出前，目标表必须存在于目标数据库中。
u 默认操作是从将文件中的数据使用INSERT语句插入到表中
u 更新模式下，是生成UPDATE语句更新表数据
hdfs导出到mysql
数据是在HDFS当中的如下目录/sqoop/emp，数据内容如下
1201,gopal,manager,50000.0,TP
1202,manisha,Proof reader,50000.0,TP
1203,khalil,php dev,30000.0,AC
1204,prasanth,php dev,30000.0,AC
1205,kranthi,admin,20000.0,TP
第一步：创建mysql表
CREATE TABLE emp_out (
`id` int(11) NOT NULL,
`name` varchar(30) DEFAULT NULL,
`deg` varchar(30) DEFAULT NULL,
`salary` double DEFAULT NULL,
`dept` char(2) DEFAULT NULL,
PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8
第二步：执行导出命令
通过export来实现数据的导出，将hdfs的数据导出到mysql当中去
bin/sqoop export ‐‐connect jdbc:mysql://192.168.0.102:3306/userdb ‐‐username root ‐‐password 123456 ‐‐table emp_out ‐‐export‐dir /sqoop/emp ‐‐input‐fields‐terminated‐by ","
第三步：验证mysql表数据
