Sqoop1工具import和export使用详解.docx

1、Sqoop1工具import和export使用详解Sqoop工具import和export使用详解问题导读：1、Sqoop如何在异构平台之间进行数据迁移？2、Sqoop是怎样保证高可靠性的？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import和export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

2、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。这里，我们介绍Sqoop完成上述基本应用场景所使用的import和export工具，通过一些简单的例子来说明这两个工具是如何做到的。工具通用选项import和export工具有些通用的选项，如下表所示：选项含义说明-connect 指定JDBC连接字符串-connection-manager 指定要使用的连接管理器类-driver 指定要使用的JDBC驱动类-hadoop-mapred-home 指定$HADOO

3、P_MAPRED_HOME路径-help打印用法帮助信息-password-file设置用于存放认证的密码信息文件的路径-P从控制台读取输入的密码-password 设置认证密码-username 设置认证用户名-verbose打印详细的运行信息-connection-param-file 可选，指定存储数据库连接参数的属性文件数据导入工具importimport工具，是将HDFS平台外部的结构化存储系统中的数据导入到Hadoop平台，便于后续分析。我们先看一下import工具的基本选项及其含义，如下表所示：选项含义说明-append将数据追加到HDFS上一个已存在的数据集上-as-avrod

4、atafile将数据导入到Avro数据文件-as-sequencefile将数据导入到SequenceFile-as-textfile将数据导入到普通文本文件（默认）-boundary-query 边界查询，用于创建分片（InputSplit）-columns 从表中导出指定的一组列的数据-delete-target-dir如果指定目录存在，则先删除掉-direct使用直接导入模式（优化导入速度）-direct-split-size 分割输入stream的字节大小（在直接导入模式下）-fetch-size 从数据库中批量读取记录数-inline-lob-limit 设置内联的LOB对象的大小-

5、m,-num-mappers 使用n个map任务并行导入数据-e,-query 导入的查询语句-split-by 指定按照哪个列去分割数据-table 导入的源表表名-target-dir 导入HDFS的目标路径-warehouse-dir HDFS存放表的根路径-where 指定导出时所使用的查询条件-z,-compress启用压缩-compression-codec 指定Hadoop的codec方式（默认gzip）-null-string 果指定列为字符串类型，使用指定字符串替换值为null的该类列的值-null-non-string 如果指定列为非字符串类型，使用指定字符串替换值为nul

6、l的该类列的值下面，我们通过实例来说明，在实际中如何使用这些选项。将MySQL数据库中整个表数据导入到Hive表1. bin/sqoop import -connectjdbc:mysql:/10.95.3.49:3306/workflow-table project -username shirdrn -P -hive-import- -default-character-set=utf-8复制代码将MySQL数据库workflow中project表的数据导入到Hive表中。将MySQL数据库中多表JION后的数据导入到HDFS1. bin/sqoop import -connect jdb

7、c:mysql:/10.95.3.49:3306/workflow -username shirdrn -P -query SELECT users.*, tags.tag FROM users JOIN tags ON (users.id = tags.user_id) WHERE $CONDITIONS -split-by users.id -target-dir /hive/tag_db/user_tags- -default-character-set=utf-8复制代码这里，使用了-query选项，不能同时与-table选项使用。而且，变量$CONDITIONS必须在WHERE语句之

8、后，供Sqoop进程运行命令过程中使用。上面的-target-dir指向的其实就是Hive表存储的数据目录。将MySQL数据库中某个表的数据增量同步到Hive表1. bin/sqoop job -create your-sync-job - import -connect jdbc:mysql:/10.95.3.49:3306/workflow -table project -username shirdrn -P -hive-import -incremental append -check-column id -last-value 1 - -default-character-set=u

9、tf-8复制代码这里，每次运行增量导入到Hive表之前，都要修改-last-value的值，否则Hive表中会出现重复记录。将MySQL数据库中某个表的几个字段的数据导入到Hive表1. bin/sqoop import -connectjdbc:mysql:/10.95.3.49:3306/workflow-username shirdrn -P -table tags -columns id,tag -create-hive-table -target-dir /hive/tag_db/tags -m 1 -hive-table tags -hive-import - -default-c

10、haracter-set=utf-8复制代码我们这里将MySQL数据库workflow中tags表的id和tag字段的值导入到Hive表tag_db.tags。其中-create-hive-table选项会自动创建Hive表，-hive-import选项会将选择的指定列的数据导入到Hive表。如果在Hive中通过SHOW TABLES无法看到导入的表，可以在conf/hive-site.xml中显式修改如下配置选项：1. 2. javax.jdo.option.ConnectionURL3. jdbc:derby:;databaseName=hive_metastore_db;create=t

11、rue4. 5. 复制代码然后再重新运行，就能看到了。使用验证配置选项1. sqoop import -connectjdbc:mysql:/ -table EMPLOYEES -validate -validator org.apache.sqoop.validation.RowCountValidator -validation-threshold org.apache.sqoop.validation.AbsoluteValidationThreshold -validation-failurehandler org.apache.sqoop.validation.AbortOnFail

12、ureHandler复制代码上面这个是官方用户手册上给出的用法，我们在实际中还没用过这个，有感兴趣的可以验证尝试一下。数据导出工具exportexport工具，是将HDFS平台的数据，导出到外部的结构化存储系统中，可能会为一些应用系统提供数据支持。我们看一下export工具的基本选项及其含义，如下表所示：选项含义说明-validate 启用数据副本验证功能，仅支持单表拷贝，可以指定验证使用的实现类-validation-threshold 指定验证门限所使用的类-direct使用直接导出模式（优化速度）-export-dir 导出过程中HDFS源路径-m,-num-mappers 使用n个ma

13、p任务并行导出-table 导出的目的表名称-call 导出数据调用的指定存储过程名-update-key 更新参考的列名称，多个列名使用逗号分隔-update-mode 指定更新策略，包括：updateonly（默认）、allowinsert-input-null-string 使用指定字符串，替换字符串类型值为null的列-input-null-non-string 使用指定字符串，替换非字符串类型值为null的列-staging-table 在数据导出到数据库之前，数据临时存放的表名称-clear-staging-table清除工作区中临时存放的数据-batch使用批量模式导出下面，我们

14、通过实例来说明，在实际中如何使用这些选项。这里，我们主要结合一个实例，讲解如何将Hive中的数据导入到MySQL数据库。首先，我们准备几个表，MySQL数据库为tag_db，里面有两个表，定义如下所示：1. CREATE TABLE tag_db.users (2. id INT(11) NOT NULL AUTO_INCREMENT,3. name VARCHAR(100) NOT NULL,4. PRIMARY KEY (id)5. ) ENGINE=InnoDB DEFAULT CHARSET=utf8;6. 7. 8. CREATE TABLE tag_db.tags (9. id I

15、NT(11) NOT NULL AUTO_INCREMENT,10. user_id INT NOT NULL,11. tag VARCHAR(100) NOT NULL,12. PRIMARY KEY (id)13. ) ENGINE=InnoDB DEFAULT CHARSET=utf8;14. 15. 复制代码这两个表中存储的是基础数据，同时对应着Hive中如下两个表：1. CREATE TABLE users (2. id INT,3. name STRING4. );5. 6. CREATE TABLE tags (7. id INT,8. user_id INT,9. tag ST

16、RING10. );11. 复制代码我们首先在上述MySQL的两个表中插入一些测试数据：1. INSERT INTO tag_db.users(name) VALUES(jeffery);2. INSERT INTO tag_db.users(name) VALUES(shirdrn);3. INSERT INTO tag_db.users(name) VALUES(sulee);4. 5. INSERT INTO tag_db.tags(user_id, tag) VALUES(1, Music);6. INSERT INTO tag_db.tags(user_id, tag) VALUES

17、(1, Programming);7. INSERT INTO tag_db.tags(user_id, tag) VALUES(2, Travel);8. INSERT INTO tag_db.tags(user_id, tag) VALUES(3, Sport);9. 复制代码然后，使用Sqoop的import工具，将MySQL两个表中的数据导入到Hive表，执行如下命令行：1. bin/sqoop import -connect jdbc:mysql:/10.95.3.49:3306/tag_db -table users -username shirdrn -P -hive-impor

18、t - -default-character-set=utf-82. 3. bin/sqoop import -connectjdbc:mysql:/10.95.3.49:3306/tag_db -table tags -username shirdrn -P -hive-import - -default-character-set=utf-8复制代码导入成功以后，再在Hive中创建一个用来存储users和tags关联后数据的表：1. CREATE TABLE user_tags (2. id STRING,3. name STRING,4. tag STRING5. );6. 复制代码执行

19、如下HQL语句，将关联数据插入user_tags表：1. FROM users u JOIN tags t ON u.id=t.user_id INSERT INTO TABLE user_tags SELECT CONCAT(CAST(u.id AS STRING), CAST(t.id AS STRING), u.name, t.tag;复制代码将users.id与tags.id拼接的字符串，作为新表的唯一字段id，name是用户名，tag是标签名称。再在MySQL中创建一个对应的user_tags表，如下所示：1. CREATE TABLE tag_db.user_tags (2. id

20、 varchar(200) NOT NULL,3. name varchar(100) NOT NULL,4. tag varchar(100) NOT NULL5. );6. 复制代码使用Sqoop的export工具，将Hive表user_tags的数据同步到MySQL表tag_db.user_tags中，执行如下命令行：1. bin/sqoop export -connectjdbc:mysql:/10.95.3.49:3306/tag_db -username shirdrn -P -table user_tags -export-dir /hive/user_tags -input-f

21、ields-terminated-by 001 - -default-character-set=utf-8复制代码执行导出成功后，可以在MySQL的tag_db.user_tags表中看到对应的数据。如果在导出的时候出现类似如下的错误：1. 14/02/27 17:59:06 INFO mapred.JobClient: Task Id : attempt_201402260008_0057_m_000001_0, Status : FAILED2. java.io.IOException: Cant export data, please check task tracker logs3.

22、 at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:112)4. at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:39)5. at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)6. at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64

23、)7. at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:764)8. at org.apache.hadoop.mapred.MapTask.run(MapTask.java:364)9. at org.apache.hadoop.mapred.Child$4.run(Child.java:255)10. at java.security.AccessController.doPrivileged(Native Method)11. at javax.security.auth.Subject.doAs(Subject

24、.java:396)12. at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1190)13. at org.apache.hadoop.mapred.Child.main(Child.java:249)14. Caused by: java.util.NoSuchElementException15. at java.util.AbstractList$Itr.next(AbstractList.java:350)16. at user_tags._loadFromFields(

25、user_tags.java:225)17. at user_tags.parse(user_tags.java:174)18. at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:83)19. . 10 more20. 复制代码通过指定字段分隔符选项-input-fields-terminated-by，指定Hive中表字段之间使用的分隔符，供Sqoop读取解析，就不会报错了。附网上的导入命令参考：Sqoop Import Examples:Sqoop Import :- Import data f

26、rom a relational database management system (RDBMS) such as MySQL or Oracle into the Hadoop Distributed File System (HDFS) and its subprojects (Hive, HBase).Import the data (MySQL table) to HBase:Case 1: If table have primary key and import all the column of MySQL table into HBase table.$ bin/sqoop

27、import -connect jdbc:mysql:/localhost/db1 -username root -password root -table tableName -hbase-table hbase_tableName -column-family hbase_table_col1 -hbase-create-tableCase 2: If table have primary key and import only few columns of MySQL table into HBase table. $ bin/sqoop import -connect jdbc:mys

28、ql:/localhost/db1 -username root -password root -table tableName -hbase-table hbase_tableName -columns column1,column2 -column-family hbase_table_col1 -hbase-create-tableNote : Column names specified in -columns attribute must contain the primary key column.Case 3: If table doesnt have primary key then choose one column as a hbase-row-key. Import all the column of MySQL table into HBase table.$ bin/sqoop import -connect jdbc:mysql:/localhost/db1 -username root -password root -table tableName -hbase-table hbase_tableName -column-family hbase_table_col1 -hbase-r