数据迁移工具Sqoop和DataX功能比较

fjqzyc

　　作者: 大圆那些事 | 文章可以转载，请以超链接形式标明文章原始出处和作者信息
　　网址: http://www.cnblogs.com/panfeng412/archive/2013/04/29/data-migration-tool-sqoop-and-datax.html
　　最近由于项目需要，对Apache Sqoop和Taobao DataX工具进行了调研，这里是对二者功能的初步梳理，不会涉及技术细节和使用方法，留作日后选型参考。
　　Sqoop是Apache下的顶级项目，用来将Hadoop和关系型数据库中的数据相互转移，可以将一个关系型数据库（例如：MySQL，Oracle，PostgreSQL等）中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。目前在各个公司应用广泛，且发展前景比较乐观。其特点在于：
　　1）专门为Hadoop而生，随Hadoop版本更新支持程度好，且原本即是从CDH版本孵化出来的开源项目，支持CDH4应该没问题。
　　2）支持并行导入，宣称速度很快（由于时间紧，未来得及进行真实环境的测试），可以指定按某个字段进行拆分并行化导入过程。
　　3）支持按字段进行导入与导出。
　　4）自带的辅助工具比较丰富，如sqoop-import、sqoop-list-databases、sqoop-list-tables等。
　　DataX是淘宝开源的数据导入导出的工具，支持HDFS集群与各种关系型数据库之间的数据交换。其特点在于：
　　1）官方版本支持的Hadoop版本较低（0.19），暂不支持高版本（如CDH4）。
　　2）支持从一个HDFS集群到另一个HDFS集群之间的数据导入导出。
　　3）支持数据不落地的并行导入导出。
　　注：以上并非是对这两个工具很全面的对比分析，仅供参考，欢迎拍砖。