Sqoop原理
将导入或导出命令翻译成mapreduce程序来实现。
在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。
Sqoop安装
安装Sqoop的前提是已经具备Java和Hadoop的环境。
3.1、下载并解压
1) 最新版下载地址：http://mirrors.hust.edu.cn/apache/sqoop/1.4.7/
2) 上传安装包
3) 解压sqoop安装包到指定目录，如：
| $ tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/ |
3.2、修改配置文件
Sqoop的配置文件与大多数大数据框架类似，在sqoop根目录下的conf目录中。
1) 重命名配置文件
| $ mv sqoop-env-template.sh sqoop-env.sh
$ mv sqoop-site-template.xml sqoop-site.xml 此行不用做 |
2) 修改配置文件
sqoop-env.sh
修改规则，此处有的但是profile中没有，则不需要改，如果profile有的但是此处没有就需要改，幺昵称ZOOKEEPER_HOME 改成ZK_HOME
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.8.4 export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.8.4 export HIVE_HOME=/opt/module/hive-1.2.1 export ZK_HOME=/opt/module/zookeeper-3.4.10 export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf
3.3、拷贝JDBC驱动
拷贝jdbc驱动到sqoop的lib目录下，如：
| $ cp -a mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib |
3.4、验证Sqoop
我们可以通过某一个command ($ bin/sqoop help)来验证sqoop配置是否正确：
删除警告信息的方法：
注:注释掉bin/configure-sqoop 134行到143行的内容，内容如下
134 ## Moved to be a runtime check in sqoop.
135 #if [ ! -d "${HCAT_HOME}" ]; then
136 # echo "Warning: $HCAT_HOME does not exist! HCatalog jobs will fail."
137 # echo 'Please set $HCAT_HOME to the root of your HCatalog installation.'
138 #fi
139 #
140 #if [ ! -d "${ACCUMULO_HOME}" ]; then
141 # echo "Warning: $ACCUMULO_HOME does not exist! Accumulo imports will fail."
142 # echo 'Please set $ACCUMULO_HOME to the root of your Accumulo installation.'
143 #fi
3.5、测试Sqoop是否能够成功连接数据库
bin/sqoop list-databases --connect jdbc:mysql://bigdata166:3306/ --username root --password 000000
4.1、导入数据
在Sqoop中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用import关键字。
4.1.1、RDBMS到HDFS
1) 确定Mysql服务开启正常
2) 在Mysql中新建一张表并插入一些数据
$ mysql -uroot -p000000
mysql> create database company;
mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
mysql> insert into company.staff(name, sex) values('Thomas', 'Male');
mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');
（1）全部导入(mysql -> HDFS)
bin/sqoop import \ --connect jdbc:mysql://bigdata166:3306/company \ --username root \ --password 000000 \ --table staff \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t"
查询导入(mysql查询 -> HDFS)
尖叫提示：must contain '$CONDITIONS' in WHERE clause. 注：CONDITIONS 翻译‘条件’
尖叫提示：如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。
bin/sqoop import \ --connect jdbc:mysql://bigdata166:3306/company \ --username root \ --password 000000 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --query 'select name,sex from staff where id <=3 and $CONDITIONS;'
（3）导入指定列
尖叫提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格
bin/sqoop import \ --connect jdbc:mysql://bigdata166:3306/company \ --username root \ --password 000000 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --columns id,sex \ --table staff
使用sqoop关键字筛选查询导入数据
尖叫提示：在Sqoop中可以使用sqoop import -D property.name=property.value这样的方式加入执行任务的参数，多个参数用空格隔开。
bin/sqoop import \ --connect jdbc:mysql://bigdata166:3306/company \ --username root \ --password 000000 \ --target-dir /user/company \ --delete-target-dir \ --num-mappers 1 \ --fields-terminated-by "\t" \ --table staff \ --where "id=2"
RDBMS到Hive
尖叫提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库
尖叫提示：从MYSQL到Hive，本质时从MYSQL => HDFS => load To Hive
bin/sqoop import \ --connect jdbc:mysql://bigdata166:3306/company \ --username root \ --password 000000 \ --table staff \ --num-mappers 1 \ --hive-import \ --fields-terminated-by "\t" \ --hive-overwrite \ --hive-table staff_hive
4.2、导出数据
在Sqoop中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用export关键字。
尖叫提示：Mysql中如果表不存在，不会自动创建,自行根据表结构创建
注意：数据可追加写入
4.2.1、HIVE/HDFS到RDBMS
创建aca表 此处应添加sex列 create table abc(id int,name VARCHAR(5)); Hive/HDFS ----> RDBMS (经常出现job卡死，待修正) bin/sqoop export \ --connect jdbc:mysql://bigdata166:3306/company \ --username root \ --password 000000 \ --export-dir /user/hive/warehouse/staff_hive \ --table abc \ --num-mappers 1 \ --input-fields-terminated-by "\t"
4.3、脚本打包
使用opt格式的文件打包sqoop命令，然后执行
1) 创建一个.opt文件
| $ touch job_HDFS2RDBMS.opt |
2) 编写sqoop脚本
export --connect jdbc:mysql://bigdata166:3306/company --username root --password 000000 --table abc --num-mappers 1 --export-dir /user/hive/warehouse/staff_hive --input-fields-terminated-by "\t"
3) 执行该脚本
| $ bin/sqoop --options-file job_HDFS2RDBMS.opt |
