cdh sqoop 配置_Sqoop-1.4.6安装部署及详细使用介绍

之所以选择Sqoop1是因为Sqoop2目前问题太多。无法正常使用，综合比较后选择Sqoop1。

Sqoop1安装配置比较简单

一、安装部署

(1)、下载安装包

解压到/home/duanxz/sqoop

tar -zxvf sqoop-1.4.6-cdh5.5.2.tar.gz

(2)、拷贝mysql的jdbc驱动包mysql-connector-java-5.1.31-bin.jar到sqoop/lib目录下。

duanxz@three:~/sqoop/sqoop-1.4.6-cdh5.5.2/lib$ ll mysql-connector-java-5.1.31.jar-rw------- 1 duanxz duanxz 964879 Jun 19 08:22 mysql-connector-java-5.1.31.jar

duanxz@three:~/sqoop/sqoop-1.4.6-cdh5.5.2/lib$

(3)、配置环境变量

#sqoop

export SQOOP_HOME=/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2export PATH="$PATH:$JAVA_HOME/bin:$HIVE_HOME/bin:$HIVE_HOME/conf:$SQOOP_HOME/bin"

(4)、复制sqoop/conf/sqoop-env-template.sh为sqoop-env.sh

添加相关的配置

#Set path to where bin/hadoop isavailable

export HADOOP_COMMON_HOME=/usr/local/hadoop-2.7.6#Set path to where hadoop-*-core.jar isavailable

export HADOOP_MAPRED_HOME=/usr/local/hadoop-2.7.6#set the path to where bin/hbase isavailable

#export HBASE_HOME=#Set the path to where bin/hive isavailable

export HIVE_HOME=/home/duanxz/hive/apache-hive-2.1.1-bin

#Set the path for where zookeper config dir is#export ZOOCFGDIR=

(5)、测试Sqoop

sqoop help

结果：

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$ sqoop help

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../hbase does notexist! HBase imports will fail.

Pleaseset $HBASE_HOME to the root ofyour HBase installation.

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../hcatalog does notexist! HCatalog jobs will fail.

Pleaseset $HCAT_HOME to the root ofyour HCatalog installation.

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../accumulo does notexist! Accumulo imports will fail.

Pleaseset $ACCUMULO_HOME to the root ofyour Accumulo installation.

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../zookeeper does notexist! Accumulo imports will fail.

Pleaseset $ZOOKEEPER_HOME to the root ofyour Zookeeper installation.18/06/19 18:20:23 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6-cdh5.5.2usage: sqoop COMMAND[ARGS]Available commands:

codegen Generate codeto interact with databaserecordscreate-hive-table Import a table definition intoHive

eval Evaluate a SQL statementanddisplay the results

export Export an HDFS directoryto a database tablehelp List available commands

import Import atable from a database toHDFS

import-all-tables Import tables from a database toHDFS

import-mainframe Import datasets from a mainframe server toHDFS

jobWork withsaved jobs

list-databases List available databases ona server

list-tables List available tables in a databasemerge Merge resultsofincremental imports

metastore Run a standalone Sqoop metastore

version Display version information

See'sqoop help COMMAND' for information ona specific command.

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$

说明：因为我们没有基于hadoop安装HBase，所以HBase相关的命令不能用，但是操作hadoop分布式文件系统的命令是可以用的。

再次执行sqoop version

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$ sqoop version

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../hbase does notexist! HBase imports will fail.

Pleaseset $HBASE_HOME to the root ofyour HBase installation.

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../hcatalog does notexist! HCatalog jobs will fail.

Pleaseset $HCAT_HOME to the root ofyour HCatalog installation.

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../accumulo does notexist! Accumulo imports will fail.

Pleaseset $ACCUMULO_HOME to the root ofyour Accumulo installation.

Warning:/home/duanxz/sqoop/sqoop-1.4.6-cdh5.5.2/../zookeeper does notexist! Accumulo imports will fail.

Pleaseset $ZOOKEEPER_HOME to the root ofyour Zookeeper installation.18/06/19 18:55:22 INFO sqoop.Sqoop: Running Sqoop version: 1.4.6-cdh5.5.2Sqoop1.4.6-cdh5.5.2gitcommitid 8e266e052e423af592871e2dfe09d54c03f6a0e8

Compiledby jenkins on Mon Jan 25 16:10:15 PST 2016duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$

二、使用Sqoop测试

2.1、测试连接：

(1)显示mysql数据库列表

sqoop list-databases --username risk_user --password 'risk_pwd' --connect jdbc:mysql://10.200.110.4:3306/risk_data?characterEncoding=UTF-8

(2)显示数据库里所有表:

sqoop list-tables --username risk_user --password 'risk_pwd' --connect jdbc:mysql://10.200.110.4:3306/risk_data?characterEncoding=UTF-8

2、Mysql与HDFS互导

(1)mysql导入到hdfs

mysql中创建一个测试表：

DROP TABLE IF EXISTS`user_info`;CREATE TABLE`user_info` (

`id`int(11) NOT NULL,

`user_name` varchar(50) COLLATE utf8_unicode_ci DEFAULT NULL,

`age`int(11) DEFAULT NULL,

`address`varchar(50) COLLATE utf8_unicode_ci DEFAULT NULL,PRIMARY KEY(`id`)

) ENGINE=InnoDB DEFAULT CHARSET=utf8 COLLATE=utf8_unicode_ci;

加点数据：

insert into `user_info` (`id`, `user_name`, `age`, `address`) values('1','zhangsan','20','shenzhen nanshang');insert into `user_info` (`id`, `user_name`, `age`, `address`) values('2','lisi','21','shenzhen baoan');insert into `user_info` (`id`, `user_name`, `age`, `address`) values('3','wangwu','23','shenzhen futian');insert into `user_info` (`id`, `user_name`, `age`, `address`) values('4','zhuqi','25','shenzhen guangming');insert into `user_info` (`id`, `user_name`, `age`, `address`) values('5','houba','26','shenzhen xili');insert into `user_info` (`id`, `user_name`, `age`, `address`) values('6','cailiu','27','shenzhen xili');insert into `user_info` (`id`, `user_name`, `age`, `address`) values('7','laojiu','27','shenzhen yantian');

把mysql中表user_info导入到hdfs，导入之前查询一下user_info表中的数据

共：7条

sqoop import --connect jdbc:mysql://10.200.110.4:3306/risk_data --username risk_user --password 'risk_pwd' --table user_info --target-dir /tmp/hive/sqoop/user_info -m 4

参数说明：

-m：表示Map并发数

--target-dir：hdfs的目标目录，若是不写， 则默认是hdfs上的user/username/tablename 路径

如果重复执行，会提示目录已经存在，可以手动删除

运行完mapreduce结束后去HDFS上检查。

HDFS的50070上看到已经成功，如下图：

验证hdfs上导入的数据：

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$ hadoop fs -ls /tmp/hive/sqoop/user_info

Found5items-rw-r--r-- 1 duanxz supergroup 0 2018-06-19 19:14 /tmp/hive/sqoop/user_info/_SUCCESS

-rw-r--r-- 1 duanxz supergroup 59 2018-06-19 19:14 /tmp/hive/sqoop/user_info/part-m-00000

-rw-r--r-- 1 duanxz supergroup 58 2018-06-19 19:14 /tmp/hive/sqoop/user_info/part-m-00001

-rw-r--r-- 1 duanxz supergroup 25 2018-06-19 19:14 /tmp/hive/sqoop/user_info/part-m-00002

-rw-r--r-- 1 duanxz supergroup 55 2018-06-19 19:14 /tmp/hive/sqoop/user_info/part-m-00003

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$ hadoop fs -ls /tmp/hive/sqoop/user_info/part-m-00000

-rw-r--r-- 1 duanxz supergroup 59 2018-06-19 19:14 /tmp/hive/sqoop/user_info/part-m-00000

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$ hadoop fs -cat /tmp/hive/sqoop/user_info/part-m-00000

1,zhangsan ,20,shenzhen nanshang2,lisi,21,shenzhen baoan

duanxz@ubuntu:~/sqoop/sqoop-1.4.6-cdh5.5.2/bin$

(2)HDFS导入到mysql

把HDFS中数据导入到Mysql表中，mysql中需要预先建立空表user_info2，此时该表为空

导入指令：

sqoop export --connect jdbc:mysql://10.200.110.4:3306/risk_data --table user_info2 -m 1 --username risk_user --password 'risk_pwd' --export-dir /tmp/hive/sqoop/user_info/ --input-fields-terminated-by ',' --columns="id,user_name,address"

运行完显示

显示导出7条记录。

或者：根据条件筛选部分记录导入到hdfs中。

sqoop import --connect jdbc:mysql://10.200.110.4:3306/risk_data --username risk_user --password 'risk_pwd' --query 'select id, user_name,age,address from user_info where $CONDITIONS LIMIT 100' --target-dir /tmp/hive/import/user_info --num-mappers 1 --fields-terminated-by ','

再到表user_info2查看

并且正好也是7条。

至此，用Sqoop将mysql与HDFS互导功都验证完毕。

你还可以指定其他的参数：

参数说明

--append

将数据追加到hdfs中已经存在的dataset中。使用该参数，sqoop将把数据先导入到一个临时目录中，然后重新给文件命名到一个正式的目录中，以避免和该目录中已存在的文件重名。

--as-avrodatafile

将数据导入到一个Avro数据文件中

--as-sequencefile

将数据导入到一个sequence文件中

--as-textfile

将数据导入到一个普通文本文件中，生成该文本文件后，可以在hive中通过sql语句查询出结果。

--boundary-query

边界查询，也就是在导入前先通过SQL查询得到一个结果集，然后导入的数据就是该结果集内的数据，格式如：--boundary-query 'select id,no from t where id = 3'，表示导入的数据为id=3的记录，或者 select min(), max() from

--columns

指定要导入的字段值，格式如：--columns id,username

--direct

直接导入模式，使用的是关系数据库自带的导入导出工具。官网上是说这样导入会更快

--direct-split-size

在使用上面direct直接导入的基础上，对导入的流按字节数分块，特别是使用直连模式从PostgreSQL导入数据的时候，可以将一个到达设定大小的文件分为几个独立的文件。

--inline-lob-limit

设定大对象数据类型的最大值

-m,--num-mappers

启动N个map来并行导入数据，默认是4个，最好不要将数字设置为高于集群的节点数

--query，-e

从查询结果中导入数据，该参数使用时必须指定–target-dir、–hive-table，在查询语句中一定要有where条件且在where条件中需要包含 \$CONDITIONS，示例：--query 'select * from t where \$CONDITIONS ' --target-dir /tmp/t –hive-table t

--split-by

表的列名，用来切分工作单元，一般后面跟主键ID

--table

关系数据库表名，数据从该表中获取

--delete-target-dir

删除目标目录

--target-dir

指定hdfs路径

--warehouse-dir

与 --target-dir 不能同时使用，指定数据导入的存放目录，适用于hdfs导入，不适合导入hive目录

--where

从关系数据库导入数据时的查询条件，示例：--where "id = 2"

-z,--compress

压缩参数，默认情况下数据是没被压缩的，通过该参数可以使用gzip压缩算法对数据进行压缩，适用于SequenceFile, text文本文件, 和Avro文件

--compression-codec

Hadoop压缩编码，默认是gzip

--null-string

可选参数，如果没有指定，则字符串null将被使用

--null-non-string

可选参数，如果没有指定，则字符串null将被使用

示例程序：

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --columns "tbl_id,create_time" --where "tbl_id > 1" --target-dir /user/hive/result

使用 sql 语句

参照上表，使用 sql 语句查询时，需要指定 $CONDITIONS

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --query 'SELECT * from TBLS where \$CONDITIONS ' --split-by tbl_id -m 4 --target-dir /user/hive/result

上面命令通过 -m 1 控制并发的 map 数。

使用 direct 模式：

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --delete-target-dir --direct --default-character-set UTF-8 --target-dir /user/hive/result

指定文件输出格式：

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --fields-terminated-by"\t" --lines-terminated-by "\n" --delete-target-dir --target-dir /user/hive/result

这时候查看 hdfs 中数据(观察分隔符是否为制表符)：

$ hadoop fs -ls result

Found 5 items

-rw-r--r-- 3 root hadoop 0 2014-08-04 16:07 result/_SUCCESS

-rw-r--r-- 3 root hadoop 69 2014-08-04 16:07 result/part-m-00000

-rw-r--r-- 3 root hadoop 0 2014-08-04 16:07 result/part-m-00001

-rw-r--r-- 3 root hadoop 142 2014-08-04 16:07 result/part-m-00002

-rw-r--r-- 3 root hadoop 62 2014-08-04 16:07 result/part-m-00003

$ hadoop fs -cat result/part-m-00000

34 1406784308 8 0 root 0 45 test1 EXTERNAL_TABLE null null null

$ hadoop fs -cat result/part-m-00002

40 1406797005 9 0 root 0 52 test2 EXTERNAL_TABLE null null null

42 1407122307 7 0 root 0 59 test3 EXTERNAL_TABLE null null null

指定空字符串：

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --fields-terminated-by "\t" --lines-terminated-by "\n" --delete-target-dir --null-string '\\N' --null-non-string '\\N' --target-dir /user/hive/result

如果需要指定压缩：

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --fields-terminated-by "\t" --lines-terminated-by "\n" --delete-target-dir --null-string '\\N' --null-non-string '\\N' --compression-codec "com.hadoop.compression.lzo.LzopCodec" --target-dir /user/hive/result

附：可选的文件参数如下表。

参数说明

--enclosed-by

给字段值前后加上指定的字符，比如双引号，示例：--enclosed-by '\"'，显示例子："3","jimsss","dd@dd.com"

--escaped-by

给双引号作转义处理，如字段值为"测试"，经过 --escaped-by "\\" 处理后，在hdfs中的显示值为：\"测试\"，对单引号无效

--fields-terminated-by

设定每个字段是以什么符号作为结束的，默认是逗号，也可以改为其它符号，如句号.，示例如：--fields-terminated-by

--lines-terminated-by

设定每条记录行之间的分隔符，默认是换行串，但也可以设定自己所需要的字符串，示例如：--lines-terminated-by "#" 以#号分隔

--mysql-delimiters

Mysql默认的分隔符设置，字段之间以,隔开，行之间以换行\n隔开，默认转义符号是\，字段值以单引号'包含起来。

--optionally-enclosed-by

enclosed-by是强制给每个字段值前后都加上指定的符号，而--optionally-enclosed-by只是给带有双引号或单引号的字段值加上指定的符号，故叫可选的

3、Mysql与Hive互导

下面的命令行，将mysql的user_info表导入到hive的

sqoop import --connect jdbc:mysql://10.200.110.4:3306/risk_data --table user_info --username risk_user --password 'risk_pwd' --fields-terminated-by ',' --delete-target-dir --num-mappers 1 --hive-import --hive-database default --hive-table hive_user_info

出现如下错误：

错误1：Sqoop:Import failed: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf

解决方法：

将mysql中的数据导入到hive中报错：

ERROR tool.ImportTool:Import failed: java.io.IOException: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf

这是因为sqoop需要一个hive的包，将hive/lib中的hive-common-2.3.3.jar拷贝到sqoop的lib目录中，重新执行试试。

错误2：ERROR tool.CreateHiveTableTool: Encountered IOException running create table job: java.io.IOException: Hive exited with status 1

解决方法：

我的hive是本地模式，只能一个用户登录。所以要把另外一个hive登录给退出。

错误3：error='Cannot allocate memory' (errno=12)

解决方法：

我的hive是本地模式，只能一个用户登录。所以要把另外一个hive登录给退出。

错误4：Version information not found ，Caused by: MetaException(message:Version information not found in metastore. )

解决方法：

1、mysql-connector-java-5.1.26-bin.jar  是否放到hive/lib 目录下 建议修改权限为777 (chmod 777 mysql-connector-java-5.1.26-bin.jar)

2、修改conf/hive-site.xml 中的 “hive.metastore.schema.verification”  值为 false  即可解决 “Caused by: MetaException(message:Version information not found in metastore. )”

错误3:

ERROR tool.ImportTool: EncounteredIOException running import job: java.io.IOException: DataStreamer Exception:

atorg.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.run(DFSOutputStream.java:796)

Caused by: java.lang.OutOfMemoryError:unable to create new native thread

at java.lang.Thread.start0(Native Method)

at java.lang.Thread.start(Thread.java:714)

atorg.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.initDataStreaming(DFSOutputStream.java:581)

at org.apache.hadoop.hdfs.DFSOutputStream$DataStreamer.run(DFSOutputStream.java:669)

解决方法：

net.ipv4.ip_local_port_range = 1024 65000

修改系统参数

echo "100000" > /proc/sys/kernel/threads-max

echo "100000" > /proc/sys/kernel/pid_max (默认32768)

echo "200000" > /proc/sys/vm/max_map_count (默认65530)

修改/etc/security/limits.conf

* - nproc 999999

* -nofile 999999

PS:nproc是修改系统的max user processes大小；nofile 是修改open files的大小，另外linux 2.6.25内核之前有个宏定义，定义了这个值的最大值，为1024*1024，正好是100万，而在2.6.25内核及其之后，这个值是可以通过/proc/sys/fs/nr_open来设置,不过，999999足够用了。

很多人可能会遇到，只能启动32000多个线程就不能再起更多的线程了，其实就是pid_max = 32768 给限制住了

增加map数量，通过sqoop -m 选项指定更多的map。通过更多的map，降少每个子进程占用的heap space，避免超出hadoop设置的java heap space 大小

sqoop ... -m

错误2:

Caused by: java.lang.RuntimeException:java.sql.SQLException: Access denied for user 'root'@'hadoop003' (usingpassword: YES)

atorg.apache.sqoop.mapreduce.db.DBInputFormat.getConnection(DBInputFormat.java:220)

atorg.apache.sqoop.mapreduce.db.DBInputFormat.setConf(DBInputFormat.java:165)

... 9 more

程序正常运行，结果也正确。说明数据库连接是正确的，而且单独用mysql连接也是可以的。就是报这个异常错误。

查询数据库里用户信息

JDBC连接的机器名是hadoop003,虽然已经赋予root所有机器的远程访问权限(“％”)，但是hadoop003这个账户可能没有开通机器的远程权限。于是给hadoop003这个机器开通远程权限。

GRANT ALL PRIVILEGES ON *.* TO'root'@'hadoop003' IDENTIFIED BY '********' WITH GRANT OPTION;

再次执行导入命令。成功。不再出现上面错误。

错误3:

从mysql导入到Hive里报如下错误：

ERROR hive.HiveConfig: Could not loadorg.apache.hadoop.hive.conf.HiveConf. Make sure HIVE_CONF_DIR is set correctly.

16/02/26 14:43:47 ERROR tool.ImportTool:Encountered IOException running import job: java.io.IOException:java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf

数据已经导入到HDFS。从HDFS移动到Hive里时出错。提示HIVE_CONF_DIR配置不对。

但是将HIVE_CONF_DIR添加到sqoop-env.sh、hadoop-env.sh、hive-env.sh都不起作用。

最终正确的解决方法：

在/etc/profile  里添加下面一句话

exportHADOOP_CLASSPATH=$HADOOP_CLASSPATH:$HIVE_HOME/lib/*

Sqoop-1.4.7版本好像解决了这个问题。期待这个版本