Sqoop 的基本使用

这个图也好看，可爱

转载自：Sqoop 的基本使用

目录:
一、Sqoop 基本命令
1、查看所有命令
2、查看某条命令的具体使用方法
二、Sqoop 与 MySQL
1、查询MySQL所有数据库
2、查询指定数据库中所有数据表
三、Sqoop 与 HDFS
3-1、 MySQL数据导入到HDFS
1、导入命令
2、导入验证
3-2、 HDFS数据导出到MySQL
四、Sqoop 与 Hive
4-1 MySQL数据导入到Hive
1、导入命令
2、导入验证
3、可能出现的问题
4-2、Hive 导出数据到MySQL
1、查看Hive表在HDFS的存储位置
2、执行导出命令
五、Sqoop 与 HBase
5-1、MySQL导入数据到HBase
1、导入数据
2、导入验证
六、全库导出
七、Sqoop 数据过滤
7-1、 query参数
7-2 、增量导入
八、类型支持

一、Sqoop 基本命令

查看所有命令

sqoop help

查看某条命令的具体使用方法

qoop help 命令名

二、Sqoop 与 MySQL

查询MySQL所有数据库
通常用于 Sqoop 与 MySQL 连通测试：

sqoop list-databases \
--connect jdbc:mysql://192.168.123.153:3306/hivedb \
--username root \
--password root

查询指定数据库中所有数据表

sqoop list-tables \
--connect jdbc:mysql://192.168.123.153:3306/hivedb \
--username root \
--password root

3、创建一张跟mysql中的help_keyword表一样的hive表hk, 使用默认的default库

sqoop create-hive-table \
--connect jdbc:mysql://192.168.123.153:3306/hivedb \
--username root \
--password root \
--tables help_keyword \
--hive-table hk

三、Sqoop 与 HDFS

3.1 MySQL数据导入到HDFS

导入命令
示例：导出 MySQL 数据库中的help_keyword 表到 HDFS 的/sqoop目录下，如果导入目录存在则先删除再导入，使用 3 个 map tasks 并行导入。

注：help_keyword 是 MySQL 内置的一张字典表，之后的示例均使用这张表。

sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \     
--username root \
--password root \
--table help_keyword \           # 待导入的表
--delete-target-dir \            # 目标目录存在则先删除
--target-dir /sqoop \            # 导入的目标目录
--fields-terminated-by '\t'  \   # 指定导出数据的分隔符
-m 3                             # 指定并行执行的 map tasks 数量

日志输出如下，可以看到输入数据被平均 split 为三份，分别由三个 map task 进行处理。数据默认以表的主键列作为拆分依据，如果你的表没有主键，有以下两种方案：

添加 -- autoreset-to-one-mapper参数，代表只启动一个map task，即不并行执行；
若仍希望并行执行，则可以使用 --split-by 指明拆分数据的参考列。

导入验证

# 查看导入后的目录
hadoop fs -ls  -R /sqoop
# 查看导入内容
hadoop fs -text  /sqoop/part-m-00000

查看 HDFS 导入目录,可以看到表中数据被分为 3 部分进行存储，这是由指定的并行度决定的。

3.2 mysql导入到HDFS，自定义SQL

1、从mysql导入数据到HDFS，导入所有数据无where添加条件

sqoop import   \
--connect jdbc:mysql://localhost:3306/mysql   \
--username root  \
--password 111111   \
--target-dir /user/root/myimport10  \
--query "select help_keyword_id,name from help_keyword WHERE \$CONDITIONS"  \
--split-by  help_keyword_id \
--fields-terminated-by '\t'  \
--m 2

从mysql导入数据到HDFS，导入所有数据无where添加条件, 但是WHERE \$CONDITIONS 必须要有。
在以上需要按照自定义SQL语句导出数据到HDFS的情况下：
1、引号问题，要么外层使用单引号，内层使用双引号， $\的$ 符号不用转义，要么外层使用双引号，那么内层使用单引号，然后$CONDITIONS的$符号需要转义
2、自定义的SQL语句中必须带有WHERE \$CONDITIONS

2、导入到HDFS，自定义SQL

sqoop import   \
--connect jdbc:mysql://localhost:3306/mysql   \
--username root  \
--password 111111   \
--target-dir /user/root/myimport1015  \
--query 'select help_keyword_id,name from help_keyword WHERE $CONDITIONS and  name = "STRING"'  \
--split-by  help_keyword_id \
--fields-terminated-by '\t'  \
--m 1

3.3 HDFS数据导出到MySQL

sqoop export  \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword_from_hdfs \        # 导出数据存储在 MySQL 的 help_keyword_from_hdf 的表中
--export-dir /sqoop  \
--input-fields-terminated-by '\t'\
--m 3

表必须预先创建，建表语句如下：

CREATE TABLE help_keyword_from_hdfs LIKE help_keyword ;

四、Sqoop 与 Hive

4.1 MySQL数据导入到Hive

Sqoop 导入数据到 Hive 是通过先将数据导入到 HDFS 上的临时目录，然后再将数据从 HDFS 上 Load 到 Hive 中，最后将临时目录删除。可以使用 target-dir 来指定临时目录。

导入命令

sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword \        # 待导入的表     
--delete-target-dir \         # 如果临时目录存在删除
--target-dir /sqoop_hive  \   # 临时目录位置
--hive-database sqoop_test \  # 导入到 Hive 的 sqoop_test 数据库，数据库需要预先创建。不指定则默认为 default 库
--hive-import \               # 导入到 Hive
--hive-overwrite \            # 如果 Hive 表中有数据则覆盖，这会清除表中原有的数据，然后再写入
-m 3                          # 并行度

导入到 Hive 中的 sqoop_test数据库需要预先创建，不指定则默认使用 Hive 中的 default库。

# 查看 hive 中的所有数据库
SHOW DATABASES;
 # 创建 sqoop_test 数据库
CREATE DATABASE sqoop_test;

导入验证

# 查看 sqoop_test 数据库的所有表
 hive>  SHOW  TABLES  IN  sqoop_test;
# 查看表中数据
 hive> SELECT * FROM sqoop_test.help_keyword;

可能出现的问题

如果执行报错java.io.IOException: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf，则需将 Hive 安装目录下 lib 下的 hive-exec-**.jar放到 sqoop 的 lib 。

[root@hadoop001 lib]# ll hive-exec-*
-rw-r--r--. 1 1106 4001 19632031 11 月 13 21:45 hive-exec-1.1.0-cdh5.15.2.jar
[root@hadoop001 lib]# cp hive-exec-1.1.0-cdh5.15.2.jar  ${SQOOP_HOME}/lib

4.2 Hive 导出数据到MySQL

由于 Hive 的数据是存储在 HDFS 上的，所以 Hive 导入数据到 MySQL，实际上就是 HDFS 导入数据到 MySQL。

1. 查看Hive表在HDFS的存储位置

# 进入对应的数据库
hive> use sqoop_test;
# 查看表信息
hive> desc formatted help_keyword;

Location 属性为其存储位置：

这里可以查看一下这个目录，文件结构如下：

hadoop fs -ls /user/hive/warehouse/sqoop_test.db/help_keyword

2 执行导出命令

sqoop export  \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword_from_hive \
--export-dir /user/hive/warehouse/sqoop_test.db/help_keyword  \
--input-fields-terminated-by '\001' \             # 需要注意的是 hive 中默认的分隔符为 \001
--m 3

MySQL 中的表需要预先创建：

CREATE TABLE help_keyword_from_hive LIKE help_keyword ;

五、Sqoop 与 HBase

本小节只讲解从 RDBMS 导入数据到 HBase，因为暂时没有命令能够从 HBase 直接导出数据到 RDBMS。
sqoop1.4.6只支持hbase1.0.1之前的版本自动创建hbase表的功能

5.1 MySQL导入数据到HBase

1. 导入数据

将 help_keyword表中数据导入到 HBase 上的 help_keyword_hbase表中，使用原表的主键 help_keyword_id作为 RowKey，原表的所有列都会在 keywordInfo 列族下，目前只支持全部导入到一个列族下，不支持分别指定列族。

sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword \              # 待导入的表
--hbase-table help_keyword_hbase \  # hbase 表名称，表需要预先创建
--column-family keywordInfo \       # 所有列导入到 keywordInfo 列族下 
--hbase-row-key help_keyword_id     # 使用原表的 help_keyword_id 作为 RowKey

导入的 HBase 表需要预先创建：

# 查看所有表
hbase> list
# 创建表
hbase> create 'help_keyword_hbase', 'keywordInfo'
# 查看表信息
hbase> desc 'help_keyword_hbase'

2. 导入验证

使用scan 查看表数据：

六、全库导出

Sqoop 支持通过 import-all-tables 命令进行全库导出到 HDFS/Hive，但需要注意有以下两个限制：

所有表必须有主键；或者使用 --autoreset-to-one-mapper，代表只启动一个 map task;
你不能使用非默认的分割列，也不能通过 WHERE 子句添加任何限制。
全库导出到 HDFS：

sqoop import-all-tables \
--connect jdbc:mysql://hadoop001:3306/数据库名 \
--username root \
--password root \
--warehouse-dir  /sqoop_all \     # 每个表会单独导出到一个目录，需要用此参数指明所有目录的父目录
--fields-terminated-by '\t'  \
-m 3

全库导出到 Hive：

sqoop import-all-tables -Dorg.apache.sqoop.splitter.allow_text_splitter=true \
--connect jdbc:mysql://hadoop001:3306/数据库名 \
--username root \
--password root \
--hive-database sqoop_test \         # 导出到 Hive 对应的库   
--hive-import \
--hive-overwrite \
--m 3

七、Sqoop 数据过滤

7.1 query参数

Sqoop 支持使用 query参数定义查询 SQL，从而可以导出任何想要的结果集。使用示例如下：

sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--query 'select * from help_keyword where  $CONDITIONS and  help_keyword_id < 50' \  
--delete-target-dir \            
--target-dir /sqoop_hive  \ 
--hive-database sqoop_test \           # 指定导入目标数据库 不指定则默认使用 Hive 中的 default 库
--hive-table filter_help_keyword \     # 指定导入目标表
--split-by help_keyword_id \           # 指定用于 split 的列      
--hive-import \                        # 导入到 Hive
--hive-overwrite \                     、
--m 3

在使用 query 进行数据过滤时，需要注意以下三点：
必须用 --hive-table 指明目标表；
如果并行度 -m 不为 1 或者没有指定 --autoreset-to-one-mapper，则需要用 --split-by 指明参考列；
SQL 的 where 字句必须包含 $CONDITIONS，这是固定写法，作用是动态替换。

7.2 增量导入

sqoop import \
--connect jdbc:mysql://hadoop001:3306/mysql \
--username root \
--password root \
--table help_keyword \
--target-dir /sqoop_hive  \
--hive-database sqoop_test \         
--incremental  append  \             # 指明模式
--check-column  help_keyword_id \    # 指明用于增量导入的参考列
--last-value 300  \                  # 指定参考列上次导入的最大值
--hive-import \   
--m 3

incremental参数有以下两个可选的选项：

append：要求参考列的值必须是递增的，所有大于last-value的值都会被导入；
lastmodified：要求参考列的值必须是timestamp类型，且插入数据时候要在参考列插入当前时间戳，更新数据时也要更新参考列的时间戳，所有时间晚于last-value的数据都会被导入。

通过上面的解释我们可以看出来，其实 Sqoop 的增量导入并没有太多神器的地方，就是依靠维护的参考列来判断哪些是增量数据。当然我们也可以使用上面介绍的query参数来进行手动的增量导出，这样反而更加灵活。

八、类型支持

Sqoop 默认支持数据库的大多数字段类型，但是某些特殊类型是不支持的。遇到不支持的类型，程序会抛出异常 Hive does not support the SQL type for column xxx异常，此时可以通过下面两个参数进行强制类型转换：

–map-column-java ：重写 SQL 到 Java 类型的映射；
–map-column-hive ：重写 Hive 到 Java 类型的映射。

示例如下，将原先 id 字段强制转为 String 类型，value 字段强制转为 Integer 类型：

$ sqoop import ... --map-column-java id=String,value=Integer