sqoop 教案

 

 

 

 Sqoop教案

 

 1. Sqoop介绍

Apache SqoopSQL-to-Hadoop) 项目旨在协助 RDBMS Hadoop 之间进行高效的大数据交流。用户可以在 Sqoop 的帮助下,轻松地把关系型数据库的数据导入到 Hadoop 与其相关的系统 (HBaseHive)中;同时也可以把数据从 Hadoop 系统里抽取并导出到关系型数据库里。除了这些主要的功能外,Sqoop 也提供了一些诸如查看数据库表等实用的小工具。理论上,Sqoop 支持任何一款支持 JDBC 规范的数据库,如 DB2MySQL 等。Sqoop 还能够将 DB2 数据库的数据导入到 HDFS 上,并保存为多种文件类型。常见的有定界文本类型,Avro 二进制类型以及 Sequence Files 类型。

Sqoop中一大亮点就是可以通过hadoopmapreduce把数据从关系型数据库中导入数据到HDFSSqoop架构非常简单,其整合了HiveHbaseOozie,通过map-reduce任务来传输数据,从而提供并发特性和容错。

简单说,Sqoop就是一个转换工具,用于在关系型数据库与HDFS之间进行数据转换。强大功能见下图

 

 

 

2. Sqoop安装

2.1 安装包下载

下载地址:http://mirrors.hust.edu.cn/apache/sqoop/

 

 

这里有两个版本,1.4.x Sqoop 1 版本,1.99.xSqoop 2 版本,这里两个都要下载,分别下载sqoop-1.4.6.bin__hadoop-0.23.tar.gzsqoop-1.99.6-bin-hadoop200.tar.gz两个压缩包。

2.2 解压安装

我们先讲解Sqoop 1 版本的安装使用

sqoop-1.4.6.bin__hadoop-0.23.tar.gz上传的虚拟机中的准备安装目录下。

我这里的安装目录为:/hadoop/

解压缩

# > tar -xvf sqoop-1.4.6.bin__hadoop-0.23.tar.gz 

重命名为sqoop

# > mv sqoop-1.4.6.bin__hadoop-0.23 sqoop

2.3 设置环境变量

在文件/etc/profile中设置环境变量SQOOP_HOME

# > vim /etc/profile

设置内容:

export SQOOP_HOME=/hadoop/sqoop

export PATH=$PATH:$SQOOP_HOME/bin:

# > source /etc/profile

mysqljdbc驱动mysql-connector-java-5.1.32-bin.jar复制到sqoop项目的lib目录下

# > cp mysql-connector-java-5.1.32-bin.jar /hadoop/sqoop/lib/

2.4 修改配置文件

复制名配置文件

${SQOOP_HOME}/conf中执行命令

# > cp sqoop-env-template.sh sqoop-env.sh

设置内容如下:

 

2.5 试运行

执行命令如下:

# > sqoop version

 

Success!

3. Sqoop原理

3.1 Sqoop架构图

 

Sqoop 1 架构

 

 

Sqoop 2架构

 

3.2 Sqoop1大概流程

读取要导入数据的表结构,生成运行类,默认是QueryResult,打成jar包,然后提交给Hadoop设置好job,主要也就是设置好各个参数这里就由Hadoop来执行MapReduce来执行Import命令

1) 首先要对数据进行切分,也就是DataSplitDataDrivenDBInputFormat.getSplits(JobContext job)

2) 切分好范围后,写入范围,以便读取DataDrivenDBInputFormat.write(DataOutput output),这里是lowerBoundQuery and upperBoundQuery

3) 读取以上2)写入的范围DataDrivenDBInputFormat.readFields(DataInput input)

4) 然后创建RecordReader从数据库中读取数据DataDrivenDBInputFormat.createRecordReader(InputSplit split,TaskAttemptContext context)

5) 创建MAPMapTextImportMapper.setup(Context context)

6) RecordReader一行一行从关系型数据库中读取数据,设置好MapKeyValue,交给MapDBRecordReader.nextKeyValue()

7) 运行MAPmapTextImportMapper.map(LongWritable key, SqoopRecord val, Context context)最后生成的Key是行数据,由QueryResult生成,ValueNullWritable.get()

3.3 Sqoop 1Sqoop 2 对比

sqoop1优点:架构部署简单

sqoop1缺点:命令行方式容易出错,格式紧耦合,无法支持所有数据类型,安全机制不够完善,例如密码暴漏, 安装需要root权限,connector必须符合JDBC模型

 

sqoop2优点:多种交互方式,命令行,web UIrest APIconncetor集中化管理,所有的链接安装在sqoop server上,完善权限管理机制,connector规范化,仅仅负责数据的读写

sqoop2缺点:架构稍复杂,配置部署更繁琐

3.4 SqoopImport

Sqoopimport时,需要制定split-by参数。Sqoop根据不同的split-by参数值来进行切分,然后将切分出来的区域分配到不同map中。每个map中再处理数据库中获取的一行一行的值,写入到HDFS中。同时split-by根据不同的参数类型有不同的切分方法,如比较简单 的int型,Sqoop会取最大和最小split-by字段值,然后根据传入的num-mappers来确定划分几个区域。 比如select max(split_by),min(split-by) from得到的max(split-by)min(split-by)分别为10001,而num-mappers2的话,则会分成两个区域 (1,500)(501-100),同时也会分成2sql2map去进行导入操作,分别为select XXX from table where split-by>=1 and split-by<500select XXX from table where split-by>=501 and split-by<=1000。最后每个map各自获取各自SQL中的数据进行导入工作。

 

3.4 SqoopExport

Sqoop可以在HDFS/Hive和关系型数据库之间进行数据的导入导出,其中主要使用了importexport这两个工具。这两个工具非常强大,提供了很多选项帮助我们完成数据的迁移和同步。比如,下面两个潜在的需求:

  1. 业务数据存放在关系数据库中,如果数据量达到一定规模后需要对其进行分析或同统计,单纯使用关系数据库可能会成为瓶颈,这时可以将数据从业务数据库数据导入(import)到Hadoop平台进行离线分析。
  2. 对大规模的数据在Hadoop平台上进行分析以后,可能需要将结果同步到关系数据库中作为业务的辅助数据,这时候需要将Hadoop平台分析后的数据导出(export)到关系数据库。

 

posted @ 2019-05-18 20:58  lilixia  阅读(215)  评论(0编辑  收藏  举报