首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >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

作者头像
幽鸿
发布2020-04-02 18:29:41
9300
发布2020-04-02 18:29:41
举报

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,分享自作者个人站点/博客。
如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体分享计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
云数据库 SQL Server
腾讯云数据库 SQL Server (TencentDB for SQL Server)是业界最常用的商用数据库之一,对基于 Windows 架构的应用程序具有完美的支持。TencentDB for SQL Server 拥有微软正版授权,可持续为用户提供最新的功能,避免未授权使用软件的风险。具有即开即用、稳定可靠、安全运行、弹性扩缩等特点。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档