Azkaban,Sqoop讲义

Day 07
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：
1. 通过Hadoop先将原始数据同步到HDFS上；
2. 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；
3. 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；
4. 将明细数据进行各种统计分析，得到结果报表信息；
5. 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
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
cd /export/softwares/
wget https://github.com/azkaban/azkaban/archive/3.51.0.tar.gz
tar ‐zxvf 3.51.0.tar.gz ‐C ../servers/
cd /export/servers/azkaban‐3.51.0/
yum ‐y install git
yum ‐y install gcc‐c++
./gradlew build installDist ‐x test
/export/servers/azkaban‐3.51.0/azkaban‐exec‐server/build/distributionsazkaban-web-server
azkaban-web-server存放目录
azkaban-solo-server
azkaban-solo-server存放目录
execute-as-user.c
azkaban two server模式下需要的C程序在这个路径下面
数据库脚本文件
数据库脚本文件在这个路径下面
/export/servers/azkaban‐3.51.0/azkaban‐web‐server/build/distributions
/export/servers/azkaban‐3.51.0/azkaban‐solo‐server/build/distributions
/export/servers/azkaban‐3.51.0/az‐exec‐util/src/main/c
/export/servers/azkaban‐3.51.0/azkaban‐db/build/install/azkaban‐db2.2. 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
Step 2: 修改时区配置文件
cd /export/softwares
tar ‐zxvf azkaban‐solo‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/
cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT/conf
vim azkaban.properties
```shell
```properties
default.timezone.id=Asia/Shanghai修改commonprivate.properties配置文件
Step 3: 启动solo-server
启动azkaban-solo-server
Step 4: 浏览器页面访问
cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT/plugins/jobtypes
vim commonprivate.properties
```shell
```properties
execute.as.user=false
memCheck.enabled=false
cd /export/servers/azkaban‐solo‐server‐0.1.0‐SNAPSHOT
bin/start‐solo.sh浏览器页面访问
http://node03:8081/
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，如下：
azkaban上传我们的压缩包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
执行以下命令：
Step 2: 解压软件包
解压软件安装包
mysql ‐uroot ‐p
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/software/create‐all‐sql‐0.1.0‐SNAPSHOT.sql;解压azkaban-web-server
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/servers/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/softwares
tar ‐zxvf azkaban‐web‐server‐0.1.0‐SNAPSHOT.tar.gz ‐C ../servers/
cd /export/servers
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 ../servers/
cd /export/servers
mv azkaban‐exec‐server‐0.1.0‐SNAPSHOT/ azkaban‐exec‐server‐3.51.0
cd /export/servers/azkaban‐web‐server‐3.51.0/conf
vim azkaban.properties# 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/servers/azkaban‐web‐server‐3.51.0/keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=/export/servers/azkaban‐web‐server‐3.51.0/keystore
jetty.trustpassword=azkaban
# Azkaban Executor settings
# mail settings
mail.sender=
mail.host=
# User facing web server configurations used to construct the user facing
server URLs. They are useful when there is a reverse proxy between
Azkaban web servers and users.
# enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081
# when this parameters set then these parameters are used to generate
email links.
# if these parameters are not set then jetty.hostname, and jetty.port(ifssl configured jetty.ssl.port) are used.
# 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/servers/azkaban‐exec‐server‐3.51.0/conf
vim azkaban.properties# 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/servers/azkaban‐web‐server‐3.51.0/keystore
jetty.password=azkaban
jetty.keypassword=azkaban
jetty.truststore=/export/servers/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=
# User facing web server configurations used to construct the user facing
server URLs. They are useful when there is a reverse proxy between
Azkaban web servers and users.
# enduser ‐> myazkabanhost:443 ‐> proxy ‐> localhost:8081
# when this parameters set then these parameters are used to generate
email links.
# if these parameters are not set then jetty.hostname, and jetty.port(ifStep 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/servers/azkaban-exec-server-3.51.0/plugins/jobtypes
或者直接将我们/export/softwares下面的文件拷贝过来也行
然后执行以下命令生成execute-as-user
ssl configured jetty.ssl.port) are used.
# 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
cp /export/softwares/execute‐as‐user.c /export/servers/azkaban‐exec‐
server‐3.51.0/plugins/jobtypes/Step 7: azkaban executor server 安装 第三步：修改配置文件
修改配置文件
最终生成如下
Step 7: 启动服务
第一步：启动azkaban exec server
第二步：激活我们的exec-server
node03机器任意目录下执行以下命令
第三步：启动azkaban-web-server
yum ‐y install gcc‐c++
cd /export/servers/azkaban‐exec‐server‐3.51.0/plugins/jobtypes
gcc execute‐as‐user.c ‐o execute‐as‐user
chown root execute‐as‐user
chmod 6050 execute‐as‐user
cd /export/servers/azkaban‐exec‐server‐3.47.0/plugins/jobtypes
vim commonprivate.properties
execute.as.user=false
memCheck.enabled=false
azkaban.native.lib=/export/servers/azkaban‐exec‐server‐
3.51.0/plugins/jobtypes
cd /export/servers/azkaban‐exec‐server‐3.51.0
bin/start‐exec.sh
curl ‐G "node03:$(<./executor.port)/executor?action=activate" && echo访问地址：
https://node03:8443
Step 8: 修改linux的时区问题
由于先前做好了时钟同步，所以不用担心时区问题，不需要修改时区了
注：先配置好服务器节点上的时区
1. 先生成时区配置文件Asia/Shanghai，用交互式命令 tzselect 即可
2. 拷贝该时区文件，覆盖系统本地时区配置
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
Step 2: 将job资源文件打包成zip文件
cd /export/servers/azkaban‐web‐server‐3.51.0/
bin/start‐web.sh
cp /usr/share/zoneinfo/Asia/Shanghai /etc/localtime
type=command
command=echo 'hello world'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
第二个job：bar.job依赖foo.job
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: 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
type=command
command=echo 'foo'
type=command
command=echo 'bar'
dependencies=foo
type=command
command=/export/servers/hadoop‐3.1.1/bin/hdfs dfs ‐mkdir /azkabanStep 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）
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
Hive脚本： hive.sql
Step 2: Job描述文件：hive.job
type=command
command=/export/servers/hadoop‐3.1.1/bin/hadoop jar hadoop‐mapreduce‐
examples‐3.1.1.jar pi 3 5
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 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
type=command
command=/export/servers/apache‐hive‐3.1.1‐bin ‐f 'hive.sql'*/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
3.4.1 sqoop安装
安装sqoop的前提是已经具备java和hadoop的环境
1、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/softwarestar -zxvf sqoop-1.4.6-cdh5.14.0.tar.gz -C ../servers/
2、修改配置文件
3、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-5.1.40.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/servers/sqoop-1.4.7.bin__hadoop-2.6.0
bin/sqoop-version
cd /export/servers/hadoop‐3.1.1/conf/
cp sqoop‐env‐template.sh sqoop‐env.sh
vim sqoop‐env.sh
export HADOOP_COMMON_HOME/export/servers/hadoop‐3.1.1
export HADOOP_MAPRED_HOME=/export/servers/hadoop‐3.1.1
export HIVE_HOME=/export/servers/apache‐hive‐3.1.1‐bin4.5、 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
查看某一个数据库下面的所有数据表
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
其它导入示例
表数据
bin/sqoop list‐databases ‐‐connect jdbc:mysql://192.168.1.7:3306/ ‐‐
username root ‐‐password root
bin/sqoop list‐tables ‐‐connect jdbc:mysql://192.168.1.7:3306/userdb ‐‐
username root ‐‐password root
GRANT ALL PRIVILEGES ON . TO 'root'@'%' IDENTIFIED BY 'yourpassword'
WITH GRANT OPTION;
FLUSH PRIVILEGES;id
name
deg
salary
dept
1201
gopal
manager
50,000
TP
1202
manisha
Proof reader
50,000
TP
1203
khalil
php dev
30,000
AC
1204
prasanth
php dev
30,000
AC
1205
kranthi
admin
20,000
TP
id
hno
street
city
1201
288A
vgiri
jublee
1202
108I
aoc
sec-bad
1203
144Z
pgutta
hyd
1204
78B
old city
sec-bad
1205
720X
hitec
sec-bad
id
phno
email
1201
2356742
gopal@tp.com
1202
1661663
manisha@tp.com
1203
8887776
khalil@ac.com
1204
9988774
prasanth@ac.com
1205
1231231
kranthi@tp.com
在mysql中有一个库userdb中三个表：emp, emp_add和emp_conn
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。
如果成功执行，那么会得到下面的输出。
为了验证在HDFS导入的数据，请使用以下命令查看导入的数据
hdfs dfs ‐ls /user/root/emp
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
查看导出的数据
hdfs dfs ‐text /sqoop/emp/part‐m‐00000
bin/sqoop import ‐‐connect jdbc:mysql://192.168.1.7:3306/userdb ‐‐
password root ‐‐username root ‐‐table emp ‐‐m 1
bin/sqoop import ‐‐connect jdbc:mysql://192.168.1.7:3306/userdb ‐‐
username root ‐‐password root ‐‐delete‐target‐dir ‐‐table emp ‐‐target‐
dir /sqoop/emp ‐‐m 1它会用逗号（，）分隔emp_add表的数据和字段。
导入到hdfs指定目录并指定字段之间的分隔符
查看文件内容
hdfs dfs ‐text /sqoop/emp2/part‐m‐00000
导入关系表到HIVE
第一步：拷贝jar包
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
bin/sqoop import ‐‐connect jdbc:mysql://192.168.1.7:3306/userdb ‐‐
username root ‐‐password root ‐‐delete‐target‐dir ‐‐table emp ‐‐
target‐dir /sqoop/emp2 ‐‐m 1 ‐‐fields‐terminated‐by '\t'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
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
第三步：开始导入
第四步：hive表数据查看
select * from emp_hive;
cp /export/servers/apache‐hive‐3.1.1‐bin/lib/hive‐exec‐3.1.1.jar
/export/servers/sqoop‐1.4.7.bin__hadoop‐2.6.0/lib
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';
bin/sqoop import ‐‐connect jdbc:mysql://192.168.1.7:3306/userdb ‐‐
username root ‐‐password root ‐‐table emp ‐‐fields‐terminated‐by '\001' ‐
‐hive‐import ‐‐hive‐table sqooptohive.emp_hive ‐‐hive‐overwrite ‐‐delete‐
target‐dir ‐‐m 1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
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
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://192.168.1.7:3306/userdb ‐‐
username root ‐‐password root ‐‐table emp_conn ‐‐hive‐import ‐m 1 ‐‐hive‐
database sqooptohive
bin/sqoop import \
‐‐connect jdbc:mysql://192.168.1.7:3306/userdb \
‐‐username root ‐‐password root ‐‐table emp_add \
‐‐target‐dir /sqoop/emp_add ‐m 1 ‐‐delete‐target‐dir \
‐‐where "city = 'sec‐bad'"
bin/sqoop import \
‐‐connect jdbc:mysql://192.168.1.7:3306/userdb ‐‐username root ‐‐password
root\
‐‐delete‐target‐dir ‐m 1 \
‐‐query 'select email from emp_conn where 1=1 and $CONDITIONS' \
‐‐target‐dir /sqoop/emp_conn查看hdfs数据内容
hdfs dfs -text /sqoop/emp_conn/part*
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://192.168.1.7:3306/userdb \
‐‐username root \
‐‐password root \
‐‐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*
第二种增量导入通过--where条件来实现
或者我们使用--where来进行控制数据的选取会更加精准
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
bin/sqoop import \
‐‐connect jdbc:mysql://192.168.1.7:3306/userdb \
‐‐username root \
‐‐password admin \
‐‐table emp \
‐‐incremental append \
‐‐where "create_time > '2018‐06‐17 00:00:00' and create_time < '2018‐06‐
17 23:59:59'" \
‐‐target‐dir /sqoop/incement2 \
‐‐check‐column id \
‐‐m 11201,gopal,manager,50000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1202,manisha,Proof reader,50000,TP,2018-06-15 18:54:32.0,2018-06-17
20:26:08.0,1
1203,khalil,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1204,prasanth,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 21:05:52.0,0
1205,kranthi,admin,20000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
第一步：创建mysql表
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
CREATE TABLE emp_out (
id INT(11) DEFAULT NULL,
name VARCHAR(100) DEFAULT NULL,
deg VARCHAR(100) DEFAULT NULL,
salary INT(11) DEFAULT NULL,
dept VARCHAR(10) DEFAULT NULL,
create_time TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
update_time TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE
CURRENT_TIMESTAMP,
is_delete BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=utf8;第三步：验证mysql表数据
bin/sqoop export \
‐‐connect jdbc:mysql://192.168.1.7:3306/userdb \
‐‐username root ‐‐password root \
‐‐table emp_out \
‐‐export‐dir /sqoop/emp \
‐‐input‐fields‐terminated‐by ","
posted @ 2020-04-07 14:44  Curedfisher  阅读(424)  评论(0)  编辑  收藏  举报