专栏首页大数据-数据人生Sqoop-1.4.4工具import和export使用详解

Sqoop-1.4.4工具import和export使用详解

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$HADOOP_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import

import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-avrodatafile

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

-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null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。

1

bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/workflow --table project --username shirdrn -P --hive-import  -- --default-character-set=utf-8

将MySQL数据库workflow中project表的数据导入到Hive表中。

  • 将MySQL数据库中整个表数据导入到Hive表

1

bin/sqoop import --connect jdbc: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

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数据库中多表JION后的数据导入到HDFS

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=utf-8

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数据库中某个表的数据增量同步到Hive表

1

bin/sqoop import --connect jdbc: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-character-set=utf-8

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

<property>

然后再重新运行,就能看到了。

  • 将MySQL数据库中某个表的几个字段的数据导入到Hive表

1

sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES --validate --validator org.apache.sqoop.validation.RowCountValidator --validation-threshold org.apache.sqoop.validation.AbsoluteValidationThreshold --validation-failurehandler org.apache.sqoop.validation.AbortOnFailureHandler

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。

  • 使用验证配置选项

数据导出工具export

export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map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:

01

CREATE TABLE tag_db.users (

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:

01

CREATE TABLE users (

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');

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-import -- --default-character-set=utf-8

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 (

执行如下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;

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 (

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 --connect jdbc:mysql://10.95.3.49:3306/tag_db --username shirdrn --P --table user_tags --export-dir /hive/user_tags --input-fields-terminated-by '\001' -- --default-character-set=utf-8

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:

01

14/02/27 17:59:06 INFO mapred.JobClient: Task Id : attempt_201402260008_0057_m_000001_0, Status : FAILED

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。

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

我来说两句

0 条评论
登录 后参与评论

相关文章

  • Sqoop安装配置及Hive导入

    Sqoop是一个用来将Hadoop(Hive、HBase)和关系型数据库中的数据相互转移的工具,可以将一个关系型数据库(例如:MySQL ,Oracle ,Po...

    用户8704998
  • Hadoop数据分析平台实战——160Sqoop介绍离线数据分析平台实战——160Sqoop介绍

    离线数据分析平台实战——160Sqoop介绍 Sqoop介绍 Apache Sqoop(SQL-to-Hadoop) 是一款开源的工具,主要用于在Hadoop(...

    Albert陈凯
  • 大数据-sqoop数据迁移

    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。

    cwl_java
  • 硬核 | Sqoop入门指南

    我们在日常开发中需要经常接触到关系型数据库,如MySQL,Oracle等等,用它们来将处理后的数据进行存储。为了能够在Hadoop上分析这些数据...

    大数据梦想家
  • Sqoop简介以及安装

    云飞扬
  • sqoop 常用命令整理(一)

      这些内容是从sqoop的官网整理出来的,是1.4.3版本的Document,如果有错误,希望大家指正。       1.使用sqoop导入数据   sqoo...

    岑玉海
  • Sqoop概述及shell操作

    基于传统关系型数据库的稳定性,还是有很多企业将数据存储在关系型数据库中;早期由于工具的缺乏,Hadoop与传统数据库之间的数据传输非常困难。基于前两个方面的考虑...

    create17
  • Sqoop1.4.7实现将Mysql数据与Hadoop3.0数据互相抽取

    将 mysql 数据库中的 hive 数据库中的 ROLES 表数据导入到 HDFS 中的 /tmp/root/111 目录下。执行代码如下:

    create17
  • Sqoop快速入门【导入数据到HDFS与导出数据到数据库】

    Sqoop - “SQL到Hadoop和Hadoop到SQL” 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...

    Java架构师必看
  • hadoop生态之sqoop

    在使用大数据的时候,各种不同的数据都要将数据采集同步到数据仓库中,一个是属于业务系统的RDBMS系统,也就是各种关系型数据库,一个是hadoop生态的存储,中...

    SRE运维实践
  • 数据搬运组件:基于Sqoop管理数据导入和导出

    Sqoop是一款开源的大数据组件,主要用来在Hadoop(Hive、HBase等)与传统的数据库(mysql、postgresql、oracle等)间进行数据的...

    知了一笑
  • Sqoop——将关系数据库数据与hadoop数据进行转换的工具

    Sqoop的输入输出/导入导出是相对于文件系统HDFS的, 因此HDFS的导入导出如图1,图2

    时间静止不是简史
  • 干货:Sqoop导入导出数据练习

    sqoop简介 1,sqoop:sql-to-hadoop, sqoop是连接关系型数据库和hadoop的桥梁: (1),把关系型数据库的数据导入到hadoo...

    Spark学习技巧
  • Hadoop学习笔记—18.Sqoop框架学习

      Hadoop正成为企业用于大数据分析的最热门选择,但想将你的数据移植过去并不容易。Apache Sqoop正在加紧帮助客户将重要数据从数据库移到Hadoop...

    Edison Zhou
  • Sqoop 常用操作

    Sqoop 的lib中缺少Hive 的jar包,从Hive 中找的缺少的jar包到Sqoop中即可

    俺也想起舞
  • 大数据技术之_12_Sqoop学习_Sqoop 简介+Sqoop 原理+Sqoop 安装+Sqoop 的简单使用案例+Sqoop 一些常用命令及参数

      Sqoop 是一款开源的工具,主要用于在 Hadoop(Hive) 与传统的数据库 (mysql,postgresql,...) 间进行数据的高校传递,可...

    黑泽君
  • 快速学习-Sqoop入门与简介

    Sqoop是一款开源的工具,主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递,可以将一个关系型数据库(例如...

    cwl_java
  • sqoop之旅2-基本使用

    皮大大
  • 大数据技术之Sqoop

    Apache Sqoop(TM)是一种旨在有效地在Apache Hadoop和诸如关系数据库等结构化数据存储之间传输大量数据的工具。

    卡其

扫码关注云+社区

领取腾讯云代金券