Sqoop

Sqoop

导入：
传统关系型数据库---->大数据平台的
import
mysql------>hadoop
--connect 指定关系型数据库链接url mysql:jdbc://hadoop02:3306/
--username 指定数据库的用户名
--password 指定数据库的密码
--table 指定要导出数据的mysql数据库表 关系型数据库中的表名
需要导出数据的mysql的表名
-m 指定MapTask的个数
--target-dir 指定导入数据在HDFS上的存储目录
--fields-terminated-by 指定每条记录中字段之间的分隔符
--where 指定查询SQL的where条件
--query 指定查询SQL
--columns 指定查询列 指定的是mysql中需要导出的列

列出MySQL数据有哪些数据库：
sqoop list-databases \
--connect jdbc:mysql://hadoop02:3306/ \
--username root \
--password 123456

list-databases 列出mysql数据库中的所有库信息

列出MySQL中的某个数据库有哪些数据表：
sqoop list-tables \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456

创建一张跟mysql中的help_keyword表一样的hive表hk：
sqoop create-hive-table \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password root \
--table help_keyword \
--hive-table hk

常用的数据导入：
mysql-->hdfs、hive、hbase
import
1）mysql---hdfs
导入MySQL表中数据到HDFS中：

// 普通导入：导入mysql库中的help_keyword的数据到HDFS上的默认路径：/user/hadoop/help_keyword
sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--table help_topic \
-m 1 
mysql数据库的表 help_topic ---- hdfs上

默认目录：/user/hadoop/help_topic（表名）
_SUCCESS 成功标志文件
part-m-00000 结果文件 maptask输出的
默认分割符 ，

// 导入： 指定分隔符和导入路径
sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--table help_keyword \
--target-dir /user/data01/mydata/help_keyword \
--fields-terminated-by '\t' \
-m 1

// 导入数据：带where条件
sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--where "name='AT'" \
--table help_keyword \
--target-dir /user/sqoop/data01/myoutport1 \
-m 1

相当于：select * from help_keyword where name='AT';

sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--where "help_keyword_id>200" \
--table help_keyword \
--target-dir /user/sqoop/data01/myoutport2 \
-m 1

select * from help_keyword where help_keyword_id>200;

// 查询指定列
sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--columns "name" \
--where "help_keyword_id>200" \
--table help_keyword \
--target-dir /user/sqoop/data01/myoutport3 \
-m 1
selct name from help_keyword where name = "string"

// 导入：指定自定义查询SQL
sqoop import \
--connect jdbc:mysql://hadoop02:3306/ \
--username root \
--password 123456 \
--target-dir /user/sqoop/data01/myimport4 \
--query 'select * from mysql.help_keyword where help_keyword_id > 200 and $CONDITIONS' \
--split-by help_keyword_id \
--fields-terminated-by '\t' \
-m 4

注意：
--query和--where --columns 不能一起使用 一起使用会报错的
--split-by 指定多个maptask数据划分的 建
-m maptask的个数
当maptask超过一个的时候，指定maptask的切分的列
每一个maptask在进行数据分配的时候 根据指定的列分配

每一个maptask的任务是顺序 平均分配的
201-452 252条数据 4个maptask
maptask0 201-263
maptask1 264-326
maptask2 327-389
maptask3 390-452 
报错：
Encountered IOException running import job: java.io.IOException: Query [select * from mysql.help_keyword where help_keyword_id > 200] must contain '$CONDITIONS' in WHERE clause.
sql语句中必须包含$CONDITIONS
$CONDITIONS sqoop命令的语法要求 没有任何实际意义的
where过滤条件中 最后添加 and $CONDITIONS

sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--target-dir /user/hadoop/myimport33_2 \
--query "select * from help_keyword where $CONDITIONS" \
--split-by help_keyword_id \
--fields-terminated-by '\t' \
-m 2

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，$CONDITIONS的$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）mysql---->hive中
注意：在hive中创建出来表 但是hive库需要自己手动创建
导入MySQL数据库中的表数据到Hive中：

// 普通导入：数据存储在默认的default hive库中，表名就是对应的mysql的表名：
sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--table help_topic \
--hive-import \
-m 1

--table 指定关系型数据库中的表
--hive-import 将数据导入到hive中

默认的会将数据导入到hive的default数据库下 表名同mysql中的表名

第一步：导入mysql.help_keyword的数据到hdfs的默认路径 /user/用户/help_keyword
第二步：自动仿造mysql.help_keyword去创建一张hive表, 
创建在默认的default库中 表名同mysql中的表名
第三步：把临时目录中的数据导入到hive表的数据目录下
load data inpath 

// 指定行分隔符和列分隔符，指定hive-import，指定覆盖导入，指定自动创建hive表，指定表名，指定删除中间结果数据目录
sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--table help_keyword \
--fields-terminated-by "\t" \
--lines-terminated-by "\n" \
--hive-import \
--hive-overwrite \
--create-hive-table \
--delete-target-dir \
--hive-database weibo \
--hive-table new_help_keyword

hive-import 当前这个导入命令。 sqoop会自动给创建hive的表。 但是不会自动创建不存在的库
--hive-overwrite 覆盖导入hive表
--create-hive-table 创建hive表
--hive-database 指定hive表的数据库 数据库一定是hive已经存在的 不会自动创建
--hive-table 指定hive的表名 不需要创建 自动创建的

注意：hive的表会自动创建 库不会自动创建 手动创建

 

另外一种写法：
sqoop import \
--connect jdbc:mysql://hadoop02:3306/ \
--username root \
--password 123456 \
--table mysql.help_keyword \
--fields-terminated-by "\t" \
--lines-terminated-by "\n" \
--hive-import \
--hive-overwrite \
--create-hive-table \ 
--hive-table mydb_test.new_help_keyword01 \
--delete-target-dir

--hive-overwrite 覆盖导入

 

// 增量导入
1-200 201-400
将mysql中新增的数据导入到大数据平台
在原来的数据基础上 进行追加数据导入
条件：
有一个标识增量的建 通常主键

sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password 123456 \
--table help_keyword \
--target-dir /user/hadoop/myimport_add \
--incremental append \
--check-column help_keyword_id \
--last-value 200 \
-m 1

参数：
sqoop数据导入hive/hdfs的时候 有两种导入方式：
1）全量数据导入 mysql的数据每次全部导入
2）增量数据导入 每一次只导入新增的数据

Incremental import arguments:
--check-column <column> Source column to check for incremental
change
指定用于标识增量的键 用于检验
help_keyword_id
--incremental <import-type> Define an incremental import of type
'append' or 'lastmodified'
增量导入的方式 id
append 追加 *****
lastmodified 最后一次修改的时间或建
--last-value <value> Last imported value in the incremental
check column
指定上一次的最后最后一个增量的建的值 500
这次导入则是从这个值的下一个值开始导入

 

#########################################################
3)导入mysql数据到hbase：

sqoop import \
--connect jdbc:mysql://hadoop02:3306/mysql \
--username root \
--password root \
--table help_keyword \
--hbase-table new_help_keyword \
--column-family person \
--hbase-row-key help_keyword_id
注意：hbase中的表需要手动创建的 不会自动创建的
--hbase-table 指定hbase的表名的
--column-family 指定hbase的列族的
--hbase-row-key 指定导入到hbase的rowkey的建

 

导出：
hadoop（hdfs hive hbase）------>mysql中

很不幸： 可以从HDFS导出到MySQL，
也可以从Hive导出数据到MySQL, 
但是没有一种直接的方式可以让HBase的数据导出到MySQL
面试问题：如何将habse的数据导出mysql中

思考：

HDFS 和 Hive ， HBase 不可以？

HBase的SQL客户端： hive + phoenix

hbase表中的 key 的值不确定 和 很多。

想办法，还是可以实现把hbase中的数据导出mysql

导出的需求很少： 本身数据量是很大的。 MySQL

所有的计算任务的处理结果，有时候是需要被导出到MySQL中的。

注意：导出的RDBMS的表必须自己预先创建，不会自动创建

create database sqoopdb default character set utf8 COLLATE utf8_general_ci; 
use sqoopdb;
CREATE TABLE sqoopfur ( 
id INT, 
name VARCHAR(60)
);

// 导出HDFS数据到MySQL：
sqoop export \
--connect jdbc:mysql://hadoop02:3306/sqoopdb \
--username root \
--password 123456 \
--table sqoopfur \
--export-dir /user/hadoop/myimport_add \
--fields-terminated-by ','

--export-dir 指定hdfs需要导出的数据的文件夹
fields-terminated-by '\t' 指定的是hdfs上文件的分隔符

注意：不会创建mysql上的数据库 和表的需要手动创建

// 导出hive数据到MySQL：等同于hdfs---》mysql的
sqoop export \
--connect jdbc:mysql://hadoop02:3306/sqoopdb \
--username root \
--password 123456 \
--table uv_info \
--export-dir /user/hive/warehouse/uv/dt=2011-08-03 \
--input-fields-terminated-by '\t'

--export-dir 指定的是hive的表在hdfs的存储目录
hive---mysql本质 hdfs---mysql中

 

一些其他操作：

列出mysql数据库中的所有数据库
sqoop list-databases \
--connect jdbc:mysql://hadoop02:3306/ \
-username root \
-password root

连接mysql并列出数据库中的表
sqoop list-tables \
--connect jdbc:mysql://hadoop02:3306/jdbc_test1704 \
-username root \
-password root

将关系型数据的表结构复制到hive中
sqoop create-hive-table \
--connect jdbc:mysql://hadoop02:3306/jdbc_test1704 \
--table student \
--username root \
--password root \
--hive-table mydb_test.student \
--fields-terminated-by "\t" \
--lines-terminated-by "\n"