Sqoop的简单使用案例之数据导入

写在前面

• Hadoop版本：Hadoop-3.1.3
• Linux版本：CentOS7.5
• Sqoop版本：Sqoop-1.4.6
• MySQL版本：MySQL5.7
• Hive版本：Hive-3.1.2
• HBase版本：HBase-2.0.5

导入数据的演示说明

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。

以下有关sqoop的导入命令都需要先进入到sqoop的安装目录下

RDBMS到HDFS

• 确定MySQL服务开启正常

可以参考这篇文章：https://developer.aliyun.com/article/597860

[root@node01 /]# service mysqld start (5.0版本是mysqld)

[root@node01 etc]# service mysql start (5.5.7版本是mysql)

• 查看MySQL进程|状态

[whybigdata@node01 sqoop-1.4.6]# service mysql status
[whybigdata@node01 sqoop-1.4.6]# ps aux | grep mysql

• 在MySQL中新建一张表并插入一些数据

[whybigdata@node01 sqoop-1.4.6]# mysql -uroot -p123456

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');

• 导入数据

（1）全部导入

关系型数据库通过sqoop数据导入到HDFS的shell命令如下所示：

[whybigdata@node01 sqoop-1.4.6]# bin/sqoop import \
--connect jdbc:mysql://node01:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

参数解析

--delete-target-dir : 若目标路径已经存在，则先删除掉它

--num-mappers：指定sqoop数据导入时的mapper数量

注意：Shell命令如果要换行，需要在行尾使用 \ 作为标识符，以便系统明白你的用意

（2）查询导入

[whybigdata@node01 sqoop-1.4.6]# bin/sqoop import \
--connect jdbc:mysql://node01:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=1 and $CONDITIONS;'

提示：must contain ‘$CONDITIONS’ in WHERE clause.

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。

参数解析

• --query ：指定查询的SQL语句

（3）导入指定列

我们可以通过--columns参数来执行导入数据的列，相对应的shell命令如下所示：

[whybigdata@node01 sqoop-1.4.6]# bin/sqoop import \
--connect jdbc:mysql://node01:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,sex \
--table staff

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

（4）使用sqoop关键字筛选查询导入数据

我们可以通过--where参数来作为过滤条件，筛选出合适的数据，相对应的shell命令如下所示：

[whybigdata@node01 sqoop-1.4.6]# bin/sqoop import \
--connect jdbc:mysql://node01:3306/company \
--username root \
--password 123456 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=1"

RDBMS到Hive

关系型数据库通过sqoop数据导入到Hive的shell命令如下所示：

[whybigdata@node01 sqoop-1.4.6]# bin/sqoop import \
--connect jdbc:mysql://node01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive

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，第一步默认的临时目录是/user/whybigdata/表名(hdfs目录)

数据导入到Hive所涉及到的关键词有：--hive-import、--hive-table、--hive-overwrite

RDBMS到Hbase

关系型数据库通过sqoop数据导入到HBase的shell命令如下所示：

[whybigdata@node01 sqoop-1.4.6]# bin/sqoop import \
--connect jdbc:mysql://node01:3306/company \
--username root \
--password 123456 \
--table staff \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id

提示：sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能

解决方案：手动创建HBase表

hbase> create 'hbase_company','info'

（5）在HBase中scan这张表得到表的数据

hbase> scan 'hbase_company'

全文结束！