大数据技术应用 sqoop数据迁移

        在实际开发中，有时候需要将HDFS或Hive上的数据导出到传统关系型数据库中（如MySQL、Oracle等），或者将传统关系型数据库中的数据导入到HDFS或Hive上，如果通过人工手动进行数据迁移的话，就会显得非常麻烦。为此，可使用Apache提供的Sqoop工具进行数据迁移。

Sqoop简介

Sqoop是Apache的一款开源工具，Sqoop主要用于在Hadoop和关系数据库或大型机之间传输数据，可以使用Sqoop工具将数据从关系数据库管理系统导入（import）到Hadoop分布式文件系统中，或者将Hadoop中的数据转换导出（export）到关系数据库管理系统。

Sqoop原理

Sqoop是传统关系型数据库服务器与Hadoop间进行数据同步的工具，其底层利用MapReduce并行计算模型以批处理方式加快数据传输速度，并且具有较好的容错性功能，工作流程如下所示。

 Sqoop是关系型数据库与Hadoop之间的数据桥梁，这个桥梁的重要组件是Sqoop连接器，它用于实现与各种关系型数据库的连接，从而实现数据的导入和导出操作。

 1.导入原理

在导入数据之前，Sqoop使用JDBC检查导入的数据表，检索出表中的所有列以及列的SQL数据类型，并将这些SQL类型映射为Java数据类型，在转换后的MapReduce应用中使用这些对应的Java类型来保存字段的值，Sqoop的代码生成器使用这些信息来创建对应表的类，用于保存从表中抽取的记录。

2.导出原理

在导出数据前，Sqoop会根据目标表的定义生成一个Java类，这个生成的类能够从文本中解析出记录数据，并能够向表中插入类型合适的值，然后启动一个MapReduce作业，从HDFS中读取源数据文件，使用生成的类解析出记录，并且执行选定的导出方法。

sqoop的安装配置

1.  Sqoop的下载安装

我们使用的都是sqoop-1.4.6来进行安装配置

2.  Sqoop的配置

修改sqoop-env.sh配置文件，添加Hadoop环境

export HADOOP_COMMON_HOME=/export/servers/hadoop-2.7.4

export HADOOP_MAPRED_HOME=/export/servers/hadoop-2.7.4

export HIVE_HOME=/export/servers/apache-hive-1.2.1-bin

修改profile文件，添加Sqoop环境

export SQOOP_HOME=/export/servers/sqoop-1.4.6

export PATH=$PATH:$SQOOP_HOME/bin:

将mysql-connector-java-5.1.32.jar包上传至Sqoop解压包目录的lib目录下

3.  Sqoop的效果测试

执行Sqoop相关指令来验证Sqoop的执行效果

sqoop list-databases -connect jdbc:mysql://localhost:3306/ --username root \

             --password 123456

Sqoop指令使用方法查询

Sqoop作为一款工具，开发者只需掌握工具的使用方式，它提供了一系列的工具指令，来进行数据的导入、导出操作等，开发人员只需输入”sqoop help“帮助指令查看帮助文档，如下所示。

 执行Sqoop相关指令时，需要指定各种指令参数，可以使用“sqoop help command”指令来进行查看。例如查看数据导入import指令使用方式，可以使用“sqoop help import”指令进行查看，如下图所示。

 MySQL表数据导入HDFS

Sqoop数据导入（import）是将关系型数据库中的单个表数据导入到HDFS、Hive等具有Hadoop分布式存储结构的文件系统中，表中的每一行都被视为一条记录，所有记录默认以文本文件格式进行逐行存储，还可以以二进制形式存储，例如Avro文件格式、序列文件格式（SequenceFile）。

1.  创建MySQL数据表emp

  DROP TABLE IF EXISTS `emp`;

  CREATE TABLE `emp` (

     `id` int(11) NOT NULL,

     `name` varchar(100) DEFAULT NULL,

     `deg` varchar(100) DEFAULT NULL,

     `salary` int(11) DEFAULT NULL,

     `dept` varchar(10) DEFAULT NULL,

      PRIMARY KEY (`id`)

  );

2.  向MySQL数据表emp插入数据

INSERT INTO `emp` VALUES ('1201', 'gopal', 'manager', '50000', 'TP');

  INSERT INTO `emp` VALUES ('1202', 'manisha', 'Proof reader', '50000', 'TP');

  INSERT INTO `emp` VALUES ('1203', 'khalil', 'php dev', '30000', 'AC');

  INSERT INTO `emp` VALUES ('1204', 'prasanth', 'php dev', '30000', 'AC');

  INSERT INTO `emp` VALUES ('1205', 'kranthi', 'admin', '20000', 'TP');

3.  创建MySQL数据表emp_add

  DROP TABLE IF EXISTS `emp_add`;

  CREATE TABLE `emp_add` (

     `id` int(11) NOT NULL,

     `hno` varchar(100) DEFAULT NULL,

     `street` varchar(100) DEFAULT NULL,

     `city` varchar(100) DEFAULT NULL,

     PRIMARY KEY (`id`)

  );

4.  向MySQL数据表emp_add插入数据

INSERT INTO `emp_add` VALUES ('1201', '288A', 'vgiri', 'jublee');

  INSERT INTO `emp_add` VALUES ('1202', '108I', 'aoc', 'sec-bad');

  INSERT INTO `emp_add` VALUES ('1203', '144Z', 'pgutta', 'hyd');

  INSERT INTO `emp_add` VALUES ('1204', '78B', 'old city', 'sec-bad');

  INSERT INTO `emp_add` VALUES ('1205', '720X', 'hitec', 'sec-bad');

5.  将表emp的数据导入到HDFS文件系统

sqoop import \

--connect jdbc:mysql://hadoop01:3306/userdb \

--username root \

--password 123456 \

--target-dir /sqoopresult \

--table emp \

--num-mappers 1

6.  通过HDFS UI界面查看数据结果文件

 7.  使用相关指令，查看导入后的文件内容

 增量导入

 当MySQL表中的数据发生新增或修改变化，需要更新HDFS上对应的数据时，就可以使用Sqoop的增量导入功能，Sqoop目前支持两种增量导入模式：append模式和lastmodified模式。

1.append模式

 主要针对INSERT新增数据的增量导入。

2.lastmodified模式

 主要针对UPDATE修改数据的增量导入。

1.  向数据表emp进行增量导入

$ sqoop import \

  --connect jdbc:mysql://hadoop01:3306/userdb \

  --username root \

  --password 123456 \

  --target-dir /sqoopresult \

  --table emp \

  --num-mappers 1 \

  --incremental append \

  --check-column id \

  --last-value 1205

2.  从HDFS UI界面查看增量导入结果

 3.  执行“hadoop fs –cat”命令查看结果数据

MySQL表数据导入Hive

1.  将表emp_add中的数据导入Hive

$ sqoop import \

  --connect jdbc:mysql://hadoop01:3306/userdb \

  --username root \

  --password 123456 \

  --table emp_add \

  --hive-table itcast.emp_add_sp \

  --create-hive-table \

  --hive-import \

  --num-mappers 1

2.  从Hive客户端查看Hive数据仓库表数据

3.  从HDFS UI界面查看结果文件

 MySQL表数据子集导入

  在实际业务中，有时候开发人员可能需要只针对部分数据进行导入操作。针对上述需求，可以使用Sqoop提供的“--where”和“--query”参数，先进行数据过滤，然后再将满足条件的数据进行导入。

1. “--where”参数对表emp_add的数据进行过滤

$ sqoop import \

  --connect jdbc:mysql://hadoop01:3306/userdb \

  --username root \

  --password 123456 \

  --where "city ='sec-bad'" \

  --target-dir /wherequery \

  --table emp_add \

  --num-mappers 1

2.  执行“hadoop fs -cat”指令，查看结果文件

3.  “--query”参数对表emp的数据进行过滤

$ sqoop import \

--connect jdbc:mysql://hadoop01:3306/userdb \

--username root \

--password 123456 \

--target-dir /wherequery2 \

--query 'SELECT id,name,deg FROM emp WHERE id>1203 AND $CONDITIONS' \

--num-mappers 1

4.  执行“hadoop fs -cat”指令，查看结果文件

 Sqoop数据导出

Sqoop导出与导入是相反的操作，也就是将HDFS、Hive、Hbase等文件系统或数据仓库中的数据导出到关系型数据库中，在导出操作之前，目标表必须存在于目标数据库中，否则在执行导出操作时会失败。

Sqoop数据导出

1.  创建MySQL数据表

DROP TABLE IF EXISTS `emp_export`;

  CREATE TABLE `emp_export` (

     `id` int(11) NOT NULL,

     `name` varchar(100) DEFAULT NULL,

     `deg` varchar(100) DEFAULT NULL,

     `salary` int(11) DEFAULT NULL,

     `dept` varchar(10) DEFAULT NULL,

      PRIMARY KEY (`id`)

   );

2.  将part-m-00000文件进行导出操作

  $ sqoop export \

--connect jdbc:mysql://hadoop01:3306/userdb \

--username root \

--password 123456 \

--table emp_export \

--export-dir /sqoopresult

3.  查看MySQL数据表

1.  append模式