hadoop2.6.5+sqoop1.4.6环境部署与测试

Posted 2020-10-01

在hadoop环境搭建完成后，接下来就是要把sqoop整合进来，使其可以利用hadoop和mysql-connector-java来从MySQL中抽取数据并转存到hdfs上。

1. 将得到的sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz解压到/usr/local/下，并建立/usr/local/sqoop软链接。

mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz /usr/local/
tar -xvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
ln -s /usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha /usr/local/sqoop

2. 将/usr/local/sqoop,/usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha属主属组修改为hadoop，保证hadoop用户可以使用：

chown -R hadoop:hadoop /usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha
chown -R hadoop:hadoop /usr/local/sqoop

3. 配置SQOOP_HOME环境变量，在/etc/profile中添加和修改如下记录：

export SQOOP_HOME=/usr/local/sqoop
export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$SQOOP_HOME/bin:$PATH

4. 对sqoop进行配置，保证其可以整合到hadoop中：
1）进入到$SQOOP_HOME/conf目录下，复制一份sqoop环境配置脚本sqoop-env-template.sh到当前目录，并重命名为sqoop-env.sh：

cd $SQOOP_HOME/conf
cp sqoop-env-template.sh sqoop-env.sh

2）修改sqoop-env.sh的HADOOP_COMMON_HOME和HADOOP_MAPRED_HOME变量值，使其对应于相应的hadoop文件路径：

export HADOOP_COMMON_HOME=/usr/local/hadoop
export HADOOP_MAPRED_HOME=/usr/local/hadoop/share/hadoop/mapreduce

3）sqoop需要连接mysql和运行mapreduce程序来完成数据抽取，因此需要mysql-connector和mapreduce相应库文件的支持，请将mysql-connector-java包和$HADOOP_HOME/share/hadoop/mapreduce/下的所有jar包复制到$SQOOP_HOME/lib目录下：

cp $HADOOP_HOME/share/hadoop/mapreduce/*.jar $SQOOP_HOME/lib/
cp ~/mysql-connector-java-5.1.32-bin.jar $SQOOP_HOME/lib/
chown -R hadoop:hadoop $SQOOP_HOME/lib/

5. 下面可以使用sqoop脚本来进行数据抽取操作了，该脚本在$SQOOP_HOME/bin目录下，使用方法如下：

#测试数据库是否可以连接
sqoop list-databases --connect jdbc:mysql://localhost:3306/actionLog --username root --P （如果返回数据库名，则可以通过sqoop连接mysql数据库）

#从MySQL库中抽取数据到hdfs上
sqoop import --connect jdbc:mysql://hadoop-test-nn:3306/actionLog  --username root -P --table log --columns "logger_id,time" --where ‘action = "login"‘ --target-dir /test/loginInfo
选项说明：
--username 数据库用户名
-P 使用交互方式隐蔽和输入数据库用户口令
--table 指定导出的库表名
--columns 指定表中哪些列的数据被导出
--where 可以通过添加类似sql语句中where条件来筛选导出的记录
--target-dir 导出的数据存放在hdfs上的路径，这里的路径值是hdfs上的路径，并不是文件系统本身的绝对路径

上述sqoop import命令是对mysql上actionLog库中的log表进行数据抽取，该表的表结构如下：

mysql> desc log;
+--------------+--------------+------+-----+---------+----------------+
| Field     | Type     | Null | Key | Default | Extra      |
+--------------+--------------+------+-----+---------+----------------+
| log_id    | bigint(20)  | NO  | PRI | NULL   | auto_increment |
| name      | varchar(255) | YES  |   | NULL   |         |
| action    | varchar(255) | YES  |   | NULL   |         |
| logger_id   | varchar(255) | YES  |   | NULL   |         |
| time     | varchar(255) | YES  |   | NULL   |         |
+--------------+--------------+------+-----+---------+----------------+

因为指定了导出列为logger_id、time。因此导出到hdfs上的数据如下：

[[email protected] lib]$ hdfs dfs -ls /test/loginInfo   
Found 1 items
-rw-r--r--   2 hadoop supergroup     211825 2017-08-02 16:04 /test/loginInfo/userLoginInfo.txt
[[email protected] lib]$ hdfs dfs -cat /test/loginInfo/userLoginInfo.txt
wanger,2017-07-27 14:21:12
zhangsan,2017-07-27 14:37:16
james,2017-07-27 15:27:13
...

（注：这里对/test/loginInfo下的文本内容进行了合并和重新存放，实际使用过程中该目录下会产生多个以part-**格式命名的文本，文本内容的格式是一致的）

数据已经成功抽取并以文本方式存放到hdfs上了。下面就可以编写mapreduce程序来对文本进行分析了。

本文出自 “琴里伊始” 博客，请务必保留此出处http://kotori.blog.51cto.com/4819846/1954622