sqoop的使用之import导入到HDFS

Posted 2021-03-04 bqwzy

原文链接：

https://www.toutiao.com/i6772128429614563843/

首先我们已经安装好sqoop了，如果没有安装好参考文档《快速搭建CDH-Hadoop-Hive-Zoopkeeper-Sqoop环境进入Sqoop学习环境》

准备一些基本的认识

1、sqoop分为了sqoop1和sqoop2

2、sqoop2拆分server和client，类似于hiveserver2和beeline

3、sqoop早期是一些封装MR程序，以jar文件的形式，最后才演变成了框架

4、用于在hadoop和结构化数据库之间的高效传输批量数据的工具

下面我们开始做一些简单是使用，熟悉sqoop的使用方式

查看帮助信息：bin/sqoop help

 

连接mysql

bin/sqoop list-databases --connect jdbc:mysql://mastercdh:3306/ --username root --password password

可以将数据库罗列出来，显示mysql数据库说明安装成功

从关系型数据库中导入到HDFS（rdbms -> hdfs）

在mysql中创建一个库和表，方便我们练习

create table importhdfs(

id int primary key not null,

name varchar(20) not null

);

插入数据

insert into importhdfs values(1,‘x1‘);

insert into importhdfs values(2,‘x2‘);

insert into importhdfs values(3,‘x3‘);

insert into importhdfs values(4,‘x4‘);

insert into importhdfs values(5,‘x5‘);

使用命令导入数据（注意反斜杠，反斜杠后面不能有空格等）

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--table importhdfs

我们可以看reduce数量，sqoop不运行reduce

或者

那么我们的数据在哪里？

搜索outputdir，就可以看到目录

hdfs://mastercdh:8020/user/root/importhdfs

我们就可以看到数据了

我们查看下数据

bin/hdfs dfs -text /user/root/importhdfs/part-m-00001

我们也可以

控制map任务的个数 -m,--num-mappers

输出目录路径如果存在则删除--delete-target-dir

指定输出目录 --target-dir

运行下

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--delete-target-dir

--target-dir /sqoop_test

--table importhdfs

-m 1

我们查看数据

bin/hdfs dfs -text /sqoop_test/part-m-00000

这个数据分隔符是逗号

1,x1

2,x2

3,x3

4,x4

5,x5

我们可以指定数据输出分隔符（mysql默认是 ‘,‘）

分隔符参数fields-terminated-by

命令

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--delete-target-dir

--target-dir /sqoop_test

--table importhdfs

-m 1

--fields-terminated-by " "

查看下数据

bin/hdfs dfs -text /sqoop_test/part-m-00000

其中有个日志信息

指定快速模式 --direct

命令

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--direct

--delete-target-dir

--target-dir /sqoop_test

--table importhdfs

-m 1

--fields-terminated-by " "

bin/hdfs dfs -text /sqoop_test/part-m-00000

增量导入，从原有的数据上进行追加数据。比如mysql中表数据变化了，那么我重新执行sqoop，会把HDFS上的数据删除，这不符合我们的要求，我们只希望在原来的基础上添加数据。

首先了解三个参数

--check-column (col)：指定要导入时检查的列，行的检测列，一般都是拿主键作为检测列。注意：char、varchar类型不可以使用

--incremental (mode)：有两种模式：append 和 lastmodifuied

append ：追加 lastmodifuied：时间戳

--last-value (value)：指定上次导入检测列最后字段的最大值，也就是最后一个值

在append模式下

增加几条数据

insert into importhdfs values(5,‘x5‘);

insert into importhdfs values(6,‘x6‘);

insert into importhdfs values(7,‘x7‘);

insert into importhdfs values(8,‘x8‘);

insert into importhdfs values(9,‘x9‘);

注意：append和--delete-target-dir不能同时使用

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--direct

--target-dir /sqoop_test

--table importhdfs

-m 1

--fields-terminated-by " "

--check-column id

--incremental append

--last-value 5

会有很多信息

查看

查看

bin/hdfs dfs -text /sqoop_test/part-m-00000

bin/hdfs dfs -text /sqoop_test/part-m-00001

在lastmodifuied模式下

如果check-column是时间列time的话

--check-column time time列下面的数据，指定的就是你添加数据时最后的时间戳

--last-value"2019-12-19 19:04:07" 最后一行的时间戳

 

创建表

create table inc_tab(

id int,

name varchar(20),

last_mod timestamp default current_timestamp on update current_timestamp

);

添加数据

insert into inc_tab(id,name) values(1,‘inc1‘);

insert into inc_tab(id,name) values(2,‘inc2‘);

insert into inc_tab(id,name) values(3,‘inc3‘);

insert into inc_tab(id,name) values(4,‘inc4‘);

insert into inc_tab(id,name) values(5,‘inc5‘);

执行sqoop命令

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--table inc_tab

--target-dir /sqoop_test_inc

--fields-terminated-by ‘ ‘

--num-mappers 1

查看数据

bin/hdfs dfs -text /sqoop_test_inc/part-m-00000

再添加几条数据

insert into inc_tab(id,name) values(6,‘inc6‘);

insert into inc_tab(id,name) values(7,‘inc7‘);

insert into inc_tab(id,name) values(8,‘inc8‘);

使用lastmodifuied模式进行增量导入指定增量数据是以--append（附加）还是 --merge-key（合并）模式进行添加

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--table inc_tab

--target-dir /sqoop_test_inc

--check-column last_mod

--fields-terminated-by ‘ ‘

--incremental lastmodified

--last-value "2019-12-20 03:13:51"

--num-mappers 1

--merge-key id

bin/hdfs dfs -text /sqoop_test_inc/part-r-00000

这个地方是有reduce的

这些命令我们可以使用job执行：sqoop job

bin/sqoop job --create job01 创建

bin/sqoop job --delete 删除任务

bin/sqoop job --exec 执行job

bin/sqoop job --show 显示job的详细信息

bin/sqoop job --list 显示可执行的job

 

示例语句：

sqoop job --create myjob -- import --connect jdbc:mysql://example.com/db

--table mytable

我们做个练习

先导入数据

insert into importhdfs values(11,‘x11‘);

insert into importhdfs values(12,‘x12‘);

insert into importhdfs values(13,‘x13‘);

insert into importhdfs values(14,‘x14‘);

insert into importhdfs values(15,‘x15‘);

执行命令

bin/sqoop job

--create job_importhdfs

--

import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--direct

--target-dir /sqoop_test

--table importhdfs

-m 1

--fields-terminated-by " "

--check-column id

--incremental append

--last-value 10

我们查看是否成功

我们执行一下

bin/sqoop job --exec job_importhdfs

执行job的时候会确认密码，指定成mysql的登录密码

我们查看数据

可以选择行列

导出某几列数据或者几行数据

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--direct

--delete-target-dir

--target-dir /where_test_importhdfs

--table importhdfs

-m 1

--fields-terminated-by " "

--where ‘id<6‘

查看数据

bin/hdfs dfs -text /where_test_importhdfs/part-m-00000

导出某几列

--query使用要点：

不能使用--table

如果--query的sql语句带着where字句，

必须要加上标识符$CONDITIONS

查看数据

bin/hdfs dfs -text /where_test_importhdfs_sql/part-m-00000

mysql导入数据到hive中该如何做呢？

先登录hive

在hive中操作，创建数据库：

create database frommysql;

创建表

创建表

create table importhive_info(

num int,

name string

)row format delimited fields terminated by " ";

数据也有了

执行语句

bin/sqoop import

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--direct

--table importhdfs

--delete-target-dir

--hive-import

--hive-database frommysql

--hive-table importhive_info

--fields-terminated-by " "

-m 1

执行报错

但是我们数据库明明有

查看mysql元数据信息发现新建的库表都没有

难道没有使用mysql的元数据库？初始化出问题了吗？于是重新初始化

bin/schematool -dbType mysql –initSchema

出现derby信息，还是旧信息

我的配置没有起作用？

为什么会有元数据库呢？说明之前是对的，仔细核对了一遍，发现是配置文件被我改动的问题。

这个地方写错路径了（截图已改对）

重新启动

Mysql中元数据库有了

重新创建上面的库表

元数据有信息了

在执行之前的sqoop语句

查看下hive中的数据已经有了

这个地方注意：运行mr任务时，结果将会保存在默认的输出目录上。还在/user/hive/warehouse。

从hdfs导入到mysql(export)

常规模式导入数据到mysql

我们创建一个表

create table tomysql(

id int primary key not null,

name varchar(20) not null

);

导出语句

bin/sqoop export

--connect jdbc:mysql://mastercdh:3306/sqoop_test

--username root

--password password

--table tomysql

--export-dir /user/hive/warehouse/frommysql.db/importhive_info

-m 1

--input-fields-terminated-by ‘ ‘

查看下数据

sqoop运行一个file文件

在mysql重新建表file_to_mysql

创建文本

export

--connect

jdbc:mysql://mastercdh:3306/sqoop_test

--username

root

--password

password

--table

file_to_mysql

--export-dir

/user/hive/warehouse/frommysql.db/importhive_info

-m

1

--input-fields-terminated-by

‘ ‘

执行命令

bin/sqoop --options-file /data/test/filetomysql

查看数据已经有了