Hadoop数据传输工具sqoop - 样例
Hadoop数据传输工具sqoop分类： 开源学习分享 Architecture hadoop 数据仓库 传输2013-03-24 19:22 8875人阅读 评论(2) 收藏 举报
Sqoop Hadoop 数据传输
目录(?)[+]
概述
sqoop是Apache顶级项目，主要用来在Hadoop和关系数据库中传递数据。通过sqoop，我们可以方便的将数据从关系数据库导入到HDFS，或者将数据从HDFS导出到关系数据库。
sqoop架构：
http://blog.51cto.com/e/u261/themes/default/images/spacer.gif
http://blog.51cto.com/e/u261/themes/default/images/spacer.gif
http://img.my.csdn.net/uploads/201303/22/1363939386_2946.jpg
sqoop架构非常简单，其整合了Hive、Hbase和Oozie，通过map-reduce任务来传输数据，从而提供并发特性和容错。
sqoop的进一步发展可以参考：A New Generation of Data Transfer Tools for Hadoop: Sqoop 2
sqoop主要通过JDBC和关系数据库进行交互。理论上支持JDBC的database都可以使用sqoop和hdfs进行数据交互。
但是，只有一小部分经过sqoop官方测试，如下：
Database version --direct support connect string matches
HSQLDB 1.8.0+ No jdbc:hsqldb:*//
MySQL 5.0+ Yes jdbc:mysql://
Oracle 10.2.0+ No jdbc:oracle:*//
PostgreSQL 8.3+ Yes (import only)jdbc:postgresql://
较老的版本有可能也被支持，但未经过测试。
出于性能考虑，sqoop提供不同于JDBC的快速存取数据的机制，可以通过--direct使用。
以下基于sqoop-1.4.3
安装
sqoop安装使用可以参考http://www.54chen.com/java-ee/sqoop-mysql-to-hive.html，测试work
工具
sqoop包含一系列的工具，运行sqoop help可以查看相关帮助，
$ ./sqoop help
usage: sqoop COMMAND
Available commands:
codegen Generate code to interact with database records
create-hive-tableImport a table definition into Hive
eval Evaluate a SQL statement and display the results
export Export an HDFS directory to a database table
help List available commands
import Import a table from a database to HDFS
import-all-tablesImport tables from a database to HDFS
job Work with saved jobs
list-databases List available databases on a server
list-tables List available tables in a database
merge Merge results of incremental imports
metastore Run a standalone Sqoop metastore
version Display version information
See 'sqoop help COMMAND' for information on a specific command.
使用工具list-tables查看表，如下：
$ ./sqoop list-tables --connect jdbc:mysql://127.0.0.1/test --username root --password 123456
a
t1
可以使用codegen生成代码，但不执行map-reduce，如下：
$ ./sqoop codegen --connect jdbc:mysql://127.0.0.1/test --username root --password 123456 --table a --
class-name zxm_sqoop
......
13/03/21 21:02:01 INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-work/compile/29864e3980ab5630b699e8e1e2145369/zxm_sqoop.jar
此处相关代码和java包可在 /tmp/sqoop-work/compile/29864e3980ab5630b699e8e1e2145369/找到
Import
sqoop 数据导入具有以下特点：
1.支持文本文件(--as-textfile)、avro(--as-avrodatafile)、SequenceFiles(--as-sequencefile)。 RCFILE暂未支持，默认为文本
2.支持数据追加，通过--apend指定
3.支持table列选取（--column），支持数据选取（--where），和--table一起使用
4.支持数据选取，例如读入多表join后的数据'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) ‘，不可以和--table同时使用
5.支持map数定制(-m)
6.支持压缩(--compress)
7.支持将关系数据库中的数据导入到Hive(--hive-import)、HBase(--hbase-table)
数据导入Hive分三步：1）导入数据到HDFS2）Hive建表3）使用“LOAD DATA INPAHT”将数据LOAD到表中
数据导入HBase分二部：1）导入数据到HDFS 2）调用HBase put操作逐行将数据写入表
*
示例：
mysql文件内容：
mysql> select * from a;
+------+--------+
| key1 | value1 |
+------+--------+
| 1 | a1 |
| 2 | a2 |
| 3 | a3 |
| 4 | a4 |
| 5 | a5 |
| 6 | a6 |
| 7 | a7 |
| 8 | a8 |
| 9 | a9 |
+------+--------+
编写文件a.conf，内容：
view plaincopy
[*] import
[*]
[*] --append
[*]
[*] -m
[*] 3
[*]
[*] --connect
[*] jdbc:mysql://127.0.0.1/test
[*]
[*] --username
[*] root
[*]
[*] --password
[*] 123456
[*]
[*] --table
[*] a
[*]
[*] --target-dir
[*] /tmp/a
[*]
[*] --columns
[*] key1
[*]
[*] --where
[*] 'key1>3'
运行：
$ ./sqoop --options-file a.conf
查看输出：
$ hadoop fs -ls /tmp/a/
Found 3 items
-rw-r--r-- 1 work supergroup 4 2013-03-21 23:08 /tmp/a/part-m-00000
-rw-r--r-- 1 work supergroup 4 2013-03-21 23:08 /tmp/a/part-m-00001
-rw-r--r-- 1 work supergroup 4 2013-03-21 23:08 /tmp/a/part-m-00002
==》3个文件对应3个mapper
$ hadoop fs -cat /tmp/a/*
4
5
6
7
8
9
Export
sqoop export 能将HDFS上的文件导出到关系数据库。其工作原理是根据用户指定的分隔符(字段分隔符：--fields-terminated-by)读入并解析数据，然后转换成insert/update语句导入数据到关系数据库。
其具有以下特点：
1. 支持将数据导出到表(--table)或者调用存储过程(--call)
2. 支持insert、update模式
3. 支持并发控制（-m）
实例：
$ hadoop fs -cat /tmp/b/*
1,a
2,b
3,c
$ ./sqoop export --connect jdbc:mysql://127.0.0.1/test --table b-username root -password 123456 --ex
port-dir /tmp/b
mysql> select * from b;
+------+--------+
| key1 | value1 |
+------+--------+
| 1 | a |
| 2 | b |
| 3 | c |
+------+--------+
出了上述提到的工具外，sqoop还提供了一些有意思的工具，例如sqoop job，有兴趣的同学可以研究下
其它：
1. 通过使用map-reduce，sqoop提供了良好的并发性和容错，可以作为异构数据库同步工具。
2. Sqoop虽然支持Hive、HBase，但并不完整，某些场景下数据传输后的加工不可避免
3. 大数据传输，也许可以使用--direct
页:
[1]