寒假总结

四、利用Sqoop导出Hive分析数据到MySQL库

 

Sqoop概述

Sqoop是一款开源的工具，主要用于在Hadoop生态系统（Hadoop、Hive等)与传统的数据库(MySQL、Oracle等)间进行数据的传递，可以将一个关系型数据库中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。

 

Sqoop导入原理：

在导入开始之前，Sqoop使用JDBC来检查将要导入的表。他检索出表中所有的列以及列的SQL数据类型。这些SQL类型（varchar、integer）被映射到Java数据类型（String、Integer等），在MapReduce应用中将使用这些对应的Java类型来保存字段的值。Sqoop的代码生成器使用这些信息来创建对应表的类，用于保存从表中抽取的记录。Sqoop启动的MapReduce作业用到一个InputFormat，他可以通过JDBC从一个数据库表中读取部分内容。

Hadoop提供的DataDriverDB InputFormat能为查询结果进行划分传给指定个数的map任务。为了获取更好的导入性能，查询会根据一个“划分列”来进行划分。Sqoop会选择一个合适的列作为划分列（通常是表的主键）。在生成反序列化代码和配置InputFormat之后，Sqoop将作业发送到MapReduce集群。Map任务将执行查询并将ResultSet中的数据反序列化到生成类的实例，这些数据要么直接保存在SequenceFile文件中，要么在写到HDFS之前被转换成分割的文本。Sqoop不需要每次都导入整张表，用户也可以在查询中加入到where子句，以此来限定需要导入的记录。

Sqoop导出原理：

Sqoop导出功能的架构与其导入功能非常相似，在执行导出操作之前，Sqoop会根据数据库连接字符串来选择一个导出方法。一般为JDBC。然后，Sqoop会根据目标表的定义生成一个Java类。这个生成的类能够从文本文件中解析记录，并能够向表中插入合适类型的值。接着会启动一个MapReduce作业，从HDFS中读取源数据文件，使用生成的类解析记录，并且执行选定的导出方法。

准备环境

1.首先切换到/data目录下，创建名为edu4的目录

1. cd /data  
2. mkdir /data/edu4  

再切换目录到/data/edu4目录下，下载实验所需的文件。

1. cd /data/edu4  
2. wget http://192.168.1.100:60000/allfiles/second/edu4/govdata  
3. wget http://192.168.1.100:60000/allfiles/second/edu4/govnums  

2.输入jps，查看hadoop是否已经启动

1. jps  

若未启动，则执行启动Hadoop命令

1. cd /apps/hadoop/sbin  
2. ./start-all.sh  

启动MySQL服务(数据库密码为：zhangyu)

1. sudo service mysql start  

查看MySQL服务是否已经启动

1. sudo service mysql status  

3.启动Hive

1. hive  

在Hive中创建数据库名为edu4，并切换到edu4下

1. create database edu4;  
2. use edu4;  

在Hive中创建govdata表，

1. create table govdata(  
2.   leixing        string,  
3.   biaoti         string,  
4.   laixinren      string,  
5.   shijian        string,  
6.   number         int,  
7.   problem        string,  
8.   offic          string,  
9.   officpt        string,  
10.   officp         string  
11. )  row format delimited  
12. fields terminated by '\t';  

将/data/edu4/govdata评论数据导入到Hive的govdata表中

1. load data local inpath '/data/edu4/govdata' into table govdata;  

需求一，将Hive表中数据，导入到MySQL

统计govdata中，统计每年的信件数量，并将结果导到mysql中。

1.首先在Hive中，创建一张表，命名为lenum，用于存储统计结果。

1. create table lenum(  
2.   year string,  
3.   num int  
4. )  
5. row format delimited  
6. fields terminated by '\t'  
7. stored as textfile;  

lenum表，有两个字段：设备类型及设备数量

 

2.在Hive中，统计每年信件数量，并将结果临时存储在hive中的lenum表中。

1. insert into table lenum  
2. select  
3.  substr(shijian,0,4) as dt,  
4.  count(1) as num  
5. from govdata  
6. group by substr(shijian,0,4)  
7. order by num;  

查看lenum表。

1. select * from lenum;  

3.新打开一个命令行终端，连接Mysql（密码：strongs）

1. mysql -u root -p  

在mysql中，创建名为edu4out的数据库，用于存储导过来的数据

1. CREATE DATABASE IF NOT EXISTS edu4out DEFAULT CHARSET utf8 COLLATE utf8_general_ci;  
2. use edu4out  

在Mysql中创建名为lenumsql的表，用于储蓄Hive中lenum表的数据。此表也包含两个字段时间及数量

1. create table lenumsql (time varchar(10),num int);  

4.再新开启一个终端模拟器，使用Sqoop命令将Hive中的lenum表导入到Mysql的lenumsql中。

1. sqoop export \  
2. --connect jdbc:mysql://localhost:3306/edu4out?characterEncoding=UTF-8 \  
3. --username root \  
4. --password strongs \  
5. --table lenumsql \  
6. --export-dir /user/hive/warehouse/edu4.db/lenum/000000_0 \  
7. --input-fields-terminated-by '\t';  

查看mysql中lenumsql表，数据内容

1. select * from lenumsql;  

这样，我们就将Hive中的lenum表数据成功导入到Mysql中了。

5.在执行导数据之前，可以进行一个测试，验证Sqoop是否可用

查看Mysql中的数据库。通过此步验证，可以测试出Sqoop以及Mysql是否可以正常连接

1. sqoop list-databases \  
2. --connect jdbc:mysql://localhost:3306/ \  
3. --username root \  
4. --password strongs;  

 

结果列出了Mysql中的所有数据库，证明Sqoop可以与Mysql正常连接。

需求二，将Hive表中数据，导入到MySQL

将hive中多久进行评论数据统计结果导入到Mysql中的dayssql表中

1.在Hive中，创建用户评论周期分析结果表typenums，包含两个字段类型及数量

1. create table typenums(  
2.   leixing string,  
3.   num int  
4. )  
5. row format delimited  
6. fields terminated by '\t'  
7. stored as textfile;  

2.对用户评论间隔时间进行统计，并将统计结果导入到Hive中的typenums表中。

1. insert into table  
2. select  
3.  leixing,  
4.  count(1) as num  
5. from govdata  
6. group by leixing  
7. order by num desc;  

查看Hive表typenums中的数据

1. select * from typenums;  

3.在Mysql端口创建typenum表，用于存储typenums中的数据。typenum中同样包含两个字段类型及数量

1. create table typenum(leixing varchar(10),num int);  

4.使用Sqoop命令将Hive的typenums表导入到Mysql的typenum里。

1. sqoop export \  
2. --connect jdbc:mysql://localhost:3306/edu4out?characterEncoding=UTF-8 \  
3. --username root \  
4. --password strongs \  
5. --table typenum \  
6. --export-dir /user/hive/warehouse/edu4.db/typenums/000000_0 \  
7. --input-fields-terminated-by '\t';  

查看mysql中typenum表。

1. select * from typenum;  

需求三，将HDFS数据导入到MySQL

将HDFS存储有政府回答问题数量统计结果数据文件govnums导入到MySQL中govnum表中

1.在HDFS上创建目录/myedu4/in，并将/data/edu4下的govnums文件上传到HDFS中的in目录下。

1. hadoop fs -mkdir -p /myedu4/in  
2. hadoop fs -put /data/edu4/govnums /myedu4/in  

2.在MySQL中，创建表govnum。表中包含两个字段用户等级名及数量

1. create table govnum (govname varchar(50),num int);  

3.使用Sqoop命令将HDFS中/myedu4/in/govnums导入到MySQL的govnum中。

1. sqoop export \  
2. --connect jdbc:mysql://localhost:3306/edu4out?characterEncoding=UTF-8 \  
3. --username root \  
4. --password strongs \  
5. --table govnum \  
6. --export-dir /myedu4/in/govnums \  
7. --input-fields-terminated-by '\t'  

查看govnum中的数据

1. select * from govnum;