Linux环境Sqoop安装配置及使用

YBCarry_段松啓
3,364 阅读2分钟

Linux环境Sqoop安装配置及使用

1. 认识Sqoop

(1) Sqoop介绍

  • 数据迁移工具(等价于mapreduce的map阶段)
  • 过程：数据导入-->处理-->数据导出
  • 作用：简化开发
  • 官网：sqoop.apache.org/
  • 概述：Apache Sqoop是一种工具，用于在Apache Hadoop和结构化数据存储（如关系数据库）之间高效传输批量数据。
  • Sqoop的底层是使用MR来完成的。
  • 版本：
    • 1.4.7 Sqoop1
    • 1.99.7 Sqoop2
    • Sqoop1与Sqoop2不兼容

2. sqoop流程

image.png

3. sqoop-1.4.7安装配置流程

(1) Sqoop环境前提：

  • Hadoop
  • 关系型数据库(MySQL/Oracle)
  • HBase
  • Hive
  • ZooKeeper

(2) 解压sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz安装包到目标目录下：

  • tar -zxvf .tar.gz -C 目标目录

(3) 为后续方便，重命名Sqoop文件夹：

  • mv sqoop-1.4.7.bin__hadoop-2.6.0/ sqoop-1.4.7

(4) 修改配置文件：

  • 进入sqoop-1.4.7/conf路径，重命名配置文件：
    • mv sqoop-env-template.sh sqoop-env.sh
  • 修改sqoop-env.sh信息：(若配置了环境变量，可通过echo $XXXXX_HOME查询安装位置)
    • vi sqoop-env.sh
    • #Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=Hadoop安装路径

#Set path to where hadoop-*-core.jar is available
#export HADOOP_MAPRED_HOME=Hadoop安装路径

#set the path to where bin/hbase is available
#export HBASE_HOME=HBase安装路径

#Set the path to where bin/hive is available
#export HIVE_HOME=Hive安装路径

#Set the path for where zookeper config dir is
#export ZOOCFGDIR=ZooKeeper 配置文件夹 路径

(5) 关联Hive：

  • cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(5) 配置环境变量：

  • 修改配置文件：
    • vi /etc/profile
  • 增加以下内容：
    • export SQOOP_HOME=sqoop安装路径
    • export PATH=$PATH:$SQOOP_HOME/bin
  • 声明环境变量：
    • source /etc/profile

(6) 启动查看版本号

  • sqoop version

(7) 添加驱动：

  • 导入MySQL驱动到sqoop/lib下
  • 导入Oracle驱动到sqoop/lib下

4. Sqoop操作

(1) 常用参数：

  • 参数查看：Sqoop官网 -> documentation -> Sqoop User Guide
  • import 导入数据到集群
  • export 从集群导出数据
  • create-hive-table 创建hive表
  • import-all-tables 指定关系型数据库所有表到集群
  • list-databases 列出所有数据库
  • list-tables 列出所有数据库表
  • merge 合并数据
  • codegen 获取某张表数据生成JavaBean并打Jar包

(2) import——Sqoop的导入操作：

  • 功能：RDBMS --> HDFS/Hive/HBase
  • 修改MySQL访问权限：
    • 查看权限：
      • use mysql;
      • select User, Host, Password from user;
    • 修改权限为所有用户都可访问：
      • update user set host='%' where host='localhost';
      • delete from user where Host='127.0.0.1';
      • delete from user where Host='bigdata01';
      • delete from user where Host='::1';
      • flush privileges;
  • 操作命令：
    • 本地mysql表上传至hdfs：
      • 导出命令：
        • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 # 连接MySQL --username root # 用户名 --password XXXXXX # 密码 --table 表名 # 上传至HDFS的表 --target-dir /YYYYYYY # HDFS目标文件夹 --num-mappers 1 # 指定map运行个数，决定HDFS文件数 --fields-terminated-by "\t" # 指定分隔符
      • Linux本地查看hdfs上传结果：
        • hdfs dfs -cat /XXXXXXX/part-m-00000
      • 使用query对数据进行过滤：
        • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --fields-terminated-by "\t" --query 'select * from 表名 where 条件 and $CONDITIONS' # $CONDITIONS 对mapper进行索引
      • 直接过滤字段：
        • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --columns 字段名
    • 本地mysql表上传至hive：
      • 准备工作：
        • 开启hive服务
        • 在hive中创建好要导入的对应表
      • 导入命令：
        • sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password 密码 --table 表名 --num-mappers 1 --hive-import --fields-terminated-by "\t" --hive-overwrite --hive-table hive数据库名.表名
        • 在Hive中可以看到指定表中已传入数据信息
        • 可能报错1：
          • ERROR tool.ImportTool: Import failed: java.io.IOException: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf
          • 报错原因：hive环境变量配置缺失
          • 解决方法：——Hadoop环境加入Hive依赖
            • 修改配置文件：
              • vi /etc/profile
            • 增加以下内容：
              • export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$HIVE_HOME/lib/*
            • 声明环境变量：
              • source /etc/profile
        • 可能报错2：
          • ERROR tool.ImportTool: Import failed: org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://bigdata01:9000/XXXXXXXXXX already exists
          • 报错原因：hdfs中存在同名路径
          • 解决方法：
            • 指定新路径或者删除hdfs中原文件
        • 可能报错3：
          • FAILED: SemanticException [Error 10072]: Database does not exist: XXXXXXXX
          • 报错原因：Sqoop没有关联Hive
          • 解决方法：
            • cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(3) emport——Sqoop的导出操作：

  • 功能：HDFS/Hive/HBase --> RDBMS
  • 操作命令：
    • hive表导出至本地mysql：
      • 导出命令：
        • sqoop emport --connect jdbc:mysql://bigdata01:3306/数据库名 # 连接MySQL --username root # 用户名 --password XXXXXX # 密码 --table 表名 # 目标mysql表 --export-dir /user/hive/warehouse/YYYYYYY # hive文件夹 --num-mappers 1 # 指定map运行 --input-fields-terminated-by "\t" # 指定分隔符

(4) 列出所有数据库：

  • 操作命令：
    • sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 密码

(5) 获取数据库表数据生成JavaBean：

  • 操作命令：
    • sqoop codegen --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password 密码 --table 表名 -- bindir Linux本地路径 # 指定Jar包打包路径 --class-name 类名 # 指定Java类名 --fields-terminated-by "\t"

(6) 合并hdfs中不同目录下的数据：

  • 操作命令：
    • sqoop merge --new-data hdfs新表路径 --onto hdfs旧表路径 --target-dir /YYYYYYY # 合并后的hdfs路径 --jar-file = # Linux本地Jar包路径 --class-name XXXXX # Jar包的类 --merge-key id # 合并依据
  • **注意：**merge操作是一个新表替代旧表的操作，如果有冲突id的话新表数据替换旧表数据，如果没有冲突则是新表数据添加到旧表的数据。
avatar
文章
阅读
粉丝