hadoop学习第十一节： Sqoop介绍、安装与操作

1 搭建环境

Hadoop搭建环境：
虚拟机操作系统： CentOS7.1 64位，单核，1G内存
JDK：1.7 64位
Hadoop：2.2.0

2 Sqoop介绍

2.1 Sqoop简介

Sqoop即 SQL to Hadoop ，是一款方便的在传统型数据库与Hadoop之间进行数据迁移的工具，充分利用MapReduce并行特点以批处理的方式加快数据传输，发展至今主要演化了二大版本，Sqoop1和Sqoop2。

Sqoop工具是hadoop下连接关系型数据库和Hadoop的桥梁，支持关系型数据库和hive、hdfs，hbase之间数据的相互导入，可以使用全表导入和增量导入。 那么为什么选择Sqoop呢？
高效可控的利用资源，任务并行度，超时时间。
数据类型映射与转化，可自动进行，用户也可自定义
支持多种主流数据库，MySQL,Oracle，SQL Server，DB2等等

2.2 Sqoop1和Sqoop2比较

2.2.1 Sqoop1和Sqoop2异同
两个不同的版本，完全不兼容
版本号划分区别，Apache版本：1.4.x(Sqoop1); 1.99.x(Sqoop2) CDH版本 : Sqoop-1.4.3-cdh4(Sqoop1) ; Sqoop2-1.99.2-cdh4.5.0 (Sqoop2)
Sqoop2比Sqoop1的改进
引入Sqoop server，集中化管理connector等
多种访问方式：CLI,Web UI，REST API
引入基于角色的安全机制

2.2.2 Sqoop1与Sqoop2的架构图

Sqoop架构图1 


Sqoop架构图2 


2.2.3 Sqoop1与Sqoop2的优缺点



3 安装部署Sqoop

3.1 下载Sqoop

可以到apache基金sqoop官网http://hive.apache.org/，选择镜像下载地址：http://mirror.bit.edu.cn/apache/sqoop/下载一个稳定版本，如下图所示下载支持Hadoop1.X的1.4.5版本gz包：  

）


我在这里下的 sqoop-1.4.6.bin_hadoop-2.0.4-alpha.tar.gz ,  其实开始安装的 sqoop-1.99.7,也就是sqoop2，无奈搭了整整一天环境。。依然连不上server，只好放弃换成了1代。
tar -xzf
sqoop-1.4.6.bin_hadoop-2.0.4-alpha.tar.gz  (解压)
mv sqoop-1.4.6.bin_hadoop-2.0.4-alpha  /home/app/sqoop-1.4.6 （将解压后的文件夹改名移到自己要放的地方）

3.2 设置/etc/profile参数

编辑/etc/profile文件，加入sqoop的Home路径和在PATH加入bin的路径：
export SQOOP_HOME=/home/app/sqoop-1.4.6
export PATH=$PATH:$SQOOP_HOME/bin



编译配置文件/etc/profile，并确认生效
source /etc/profile
echo $PATH

3.3 设置bin/configure-sqoop配置文件

修改bin/configure-sqoop配置文件
cd /app/sqoop-1.4.6/bin
sudo vi configure-sqoop

注释掉HBase和Zookeeper等检查（除非使用HBase和Zookeeper等HADOOP上的组件） 


3.4 设置conf/sqoop-env.sh配置文件

如果不存在sqoop-env.sh文件，复制sqoop-env-template.sh文件，然后修改sqoop-env.sh配置文件
cd /app/sqoop-1.4.5/conf
cp sqoop-env-template.sh sqoop-env.sh
sudo vi sqoop-env.sh


 设置hadoop运行程序所在路径和hadoop-*-core.jar路径
export HADOOP_COMMON_HOME=/home/app/hadoop-2.2.0
export HADOOP_MAPRED_HOME=/home/app/hadoop-2.2.0


 编译配置文件sqoop-env.sh使之生效

3.5 验证安装完成

输入如下命令验证是否正确安装sqoop，如果正确安装则出现sqoop提示
sqoop help



4 文件导入/导出

4.1 MySql数据导入到HDFS中

如果没有安装MySql，请参照第8课3.1进行安装

4.1.1 下载MySql驱动

到MySql官网进入下载页面：http://dev.mysql.com/downloads/connector/j/ ，选择所需要的版本进行下载，这里下载的zip格式的文件，然后在本地解压： 


把MySql驱动包使用如下命令放到Sqoop的lib目录下
cp mysql-connector-java-5.1.40-bin.jar /app/sqoop-1.4.5/lib



4.1.2 启动MySql服务

查看MySql服务并查看状态，如果没有启动则启动服务
sudo service mysql status
sudo service mysql start



4.1.3 查看MySql中的数据表

进入MySql数据库，选择有数据的一张表查看内容，比较导出结果是否正确，输入如下命令：
mysql -uhive -phive
mysql>show databases;
mysql>use hive;
mysql>show tables;
mysql>select TBL_ID, CREATE_TIME, DB_ID, OWNER, TBL_NAME,TBL_TYPE from TBLS;





4.1.4 把MySql数据导入到HDFS中

使用如下命令列出MySql中所有数据库：
sqoop list-databases --connect jdbc:mysql://hadoop1:3306/ --username hive --password hive



使用如下命令把hive数据库TBLS表数据导入到HDFS中：
sqoop import --connect jdbc:mysql://hadoop1:3306/hive --username hive --password hive --table TBLS -m 1
--username 数据库用户名
--password连接数据库密码
--table 表名
-m 1表示map数



4.1.5 查看导出结果

使用如下命令查看导出到HDFS结果，文件路径在当前用户hadoop目录下增加了TBLS表目录，查看part-m-00000文件：
hadoop fs -ls /user/root/TBLS
hadoop fs -cat /user/root/TBLS/part-m-00000



4.2 MySql数据导入到Hive中

4.2.1 启动metastore和hiveserver

在使用hive之前需要启动metastore和hiveserver服务，通过如下命令启用：
hive --service metastore &
hive --service hiveserver2 &

启动用通过jps命令可以看到两个进行运行在后台



4.2.2 从MySql导入表数据到Hive中

使用如下命令到把MySql中TBLS表数据导入到Hive中：
sqoop import --connect jdbc:mysql://hadoop1:3306/hive --username hive --password hive --table TBLS --hive-table MySql2Hive --hive-import -m 1      (这里因为上一步生成过TBLS的输出文件，需要先将hdfs中的TBLS目录删除，否则会报TBLS already exists!)
-- username为mysql中的数据库连接用户名
--password为mysql中的数据库连接密码
--table为导出表
--hive-table test1 为导出表在Hive中的名称
-m 1表示map数





从运行的日志可以看到，这个过程有两个阶段：
第一个阶段是从MySql中把数据到HDFS文件中
第二个阶段是从HDFS中把数据写入到MySql中

4.2.3 查看导出结果

登录hive，在hive创建表并查看该表，命令如下：
hive
hive>show tables;
hive>desc MySql2Hive;