[大数据之Sqoop] —— 什么是Sqoop?

介绍

sqoop是一款用于hadoop和关系型数据库之间数据导入导出的工具。你可以通过sqoop把数据从数据库（比如mysql,oracle）导入到hdfs中；也可以把数据从hdfs中导出到关系型数据库中。sqoop通过Hadoop的MapReduce导入导出，因此提供了很高的并行性能以及良好的容错性。

sqoop适合以下的人群使用：

• 系统和应用开发者
• 系统管理员
• 数据库管理员
• 数据分析师
• 数据工程师

支持的版本

本文档是依据sqoop v1.4.6翻译的.目前最新的版本是sqoop2,变化有点大。

sqoop的版本

sqoop是Apache软件基金会提供的开源框架。官方网站参考：http://sqoop.apache.org。

前提条件

想要使用这款工具需要有一下的背景：

• 基本的计算机知识
• 对类似bash的命令行比较熟悉(因为sqoop基本都是通过命令行来操作的)
• 熟悉关系型数据库系统的管理(毕竟是从数据库到出)
• 熟悉hadoop基本操作(了解基本的hdfs操作和mapreduce的原理会更容易理解sqoop的过程)

在你使用sqoop之前，需要先安装hadoop。这个文档是基于Linux环境的，如果你是在windows下使用，需要安装cygwin。

基本的使用

通过sqoop，你可以从关系型数据库中导出数据，导入到hdfs中。输入可能是数据库的一张表或者查询结果；输出则是数据库表或者结果的导出文件集合。导入进程是并行的，因此输出的结果可能是多个文件（最终在hdfs中可能会得到多个文件）。这些文件可能是标准的文本文件TextFile（比如，使用逗号做字段间的分割），也可能是Avro或者SequeenceFiles的记录文件。

sqoop的导入进程是一个自动生成出来的java class，因此它的很多组件都可以自定义，比如导入的格式、文本的格式、到出的格式等等。

sqoop还提供了很多的工具来检查数据库.

比如通过sqoop-list-databases可以列出数据库的表视图。

[root@hadoop-master bin]# sqoop-list-databases --connect 'jdbc:mysql://localhost:3306/dbname' --username 'name' --password 'passwd'
16/09/29 18:29:11 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
16/09/29 18:29:11 WARN tool.BaseSqoopTool: Setting your password on the command-line is insecure. Consider using -P instead.
16/09/29 18:29:11 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
test
dev
xingoo

通过sqoop-list-tables查看表

[root@hadoop-master bin]# sqoop-list-tables --connect 'jdbc:mysql://localhost:3306/dbname' --username 'name' --password 'passwd'
16/09/29 18:26:50 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6
16/09/29 18:26:50 WARN tool.BaseSqoopTool: Setting your password on the command-line is insecure. Consider using -P instead.
16/09/29 18:26:51 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
a
b
c
d

大多数导入进程，代码生成，导出进程都可以自定义。对于数据库，你可以控制到特定的行或者列，读取哪些行，读取哪些列。对于输出的hdfs文件，可以指定特定的分隔符以及转义字符，以及文本的格式化。甚至可以控制生成代码的类和包的名字。

总结的来说，sqoop是基于mapreduce的一款db和hadoop之间的数据交换工具。后续的文档，将会介绍sqoop在使用时的参数。