Sqoop 数据迁移
- [一、Sqoop 概述](#一、Sqoop 概述)
- [二、Sqoop 优势](#二、Sqoop 优势)
- [三、Sqoop 的架构与工作机制](#三、Sqoop 的架构与工作机制)
- [四、Sqoop Import 流程](#四、Sqoop Import 流程)
- [五、Sqoop Export 流程](#五、Sqoop Export 流程)
- [六、Sqoop 安装部署](#六、Sqoop 安装部署)
-
- [6.1 下载解压](#6.1 下载解压)
- [6.2 修改 Sqoop 配置文件](#6.2 修改 Sqoop 配置文件)
- [6.3 配置 Sqoop 环境变量](#6.3 配置 Sqoop 环境变量)
- [6.4 添加 MySQL 驱动包](#6.4 添加 MySQL 驱动包)
- [6.5 测试运行 Sqoop](#6.5 测试运行 Sqoop)
-
- [6.5.1 查看Sqoop命令语法](#6.5.1 查看Sqoop命令语法)
- [6.5.2 测试数据库连接](#6.5.2 测试数据库连接)
- [七、案例实践:Sqoop 迁移Hive出库数据](#七、案例实践:Sqoop 迁移Hive出库数据)
-
- [7.1 数据导出:Hive 导入 MySQL](#7.1 数据导出:Hive 导入 MySQL)
- [7.2 数据导出:MySQL 导入 Hive](#7.2 数据导出:MySQL 导入 Hive)
一、Sqoop 概述
Apache Sqoop(SQL-to-Hadoop)项目旨在协助RDBMS与Hadoop之间进行高效的大数据迁移。用户可以在Sqoop的帮助下,轻松地将RDBMS中的数据导入到Hadoop或者与其相关的系统(如HBase和Hive)中;同时也可以将数据从Hadoop系统导出到RDBMS。因此,可以说Sqoop就是一个桥梁,连接了RDBMS与Hadoop。
二、Sqoop 优势
-
Sqoop可以高效地、可控地利用资源,可以通过调整任务数来控制任务的并发度。另外它还可以配置数据库的访问时间。
-
Sqoop可以自动地完成数据库与Hadoop系统中数据类型的映射与转换,
-
Sqoop支持多种数据库,比如,MySQL、0racle和PostgreSQL等数据库。
三、Sqoop 的架构与工作机制
客户端提交脚本,调用Map Task ,将关系数据库导入到 Hadoop 平台的HDFS/HBase/Hive,同时也可以将 Hadoop 平台的HDFS/HBase/Hive数据通过 Map Task 导入到 关系数据库中。
四、Sqoop Import 流程
五、Sqoop Export 流程
六、Sqoop 安装部署
6.1 下载解压
下载地址:https://archive.apache.org/dist/sqoop/
上传到 /usr/local/,进行解压
javascript
[root@hadoop1 local]# tar -zxvf /usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
创建软连接
javascript
[root@hadoop1 local]# ln -s sqoop-1.4.6.bin__hadoop-2.0.4-alpha sqoop
6.2 修改 Sqoop 配置文件
进入 Sqoop 的 conf 目录下修改 sqoop-env.sh 配置文件,修改内容如下:
将配置模板拷贝一份,命名为 sqoop-env.sh
javascript
[root@hadoop1 conf]# cp /usr/local/sqoop/conf/sqoop-env-template.sh /usr/local/sqoop/conf/sqoop-env.sh
编辑 sqoop-env.sh
javascript
export HADOOP_COMMON_HOME=/usr/local/hadoop
export HADOOP_MAPRED_HOME=/usr/local/hadoop
export HIVE_HOME=/usr/local/hive
export ZOOCFGDIR=/usr/local/zookeeper
6.3 配置 Sqoop 环境变量
添加 Sqoop 的环境变量,添加内容如下:
javascript
[root@hadoop1 conf]# vim /etc/profile
添加如下内容:
javascript
# 添加 Sqoop 环境变量
SQOOP_HOME=/usr/local/sqoop
PATH=$SQOOP_HOME/bin:$PATH
export SQOOP_HOME PATH
更新环境
javascript
[root@hadoop1 conf]# source /etc/profile
6.4 添加 MySQL 驱动包
将对应的 MySQL 驱动包上传到 /usr/local/sqoop/lib 目录下
6.5 测试运行 Sqoop
6.5.1 查看Sqoop命令语法
在Sqoop安装目录下,使用help命令查看Sqoop的基本用法,具体操作如下:
javascript
[root@hadoop1 sqoop]# /usr/local/sqoop/bin/sqoop help
6.5.2 测试数据库连接
javascript
[root@hadoop1 bin]# /usr/local/sqoop/bin/sqoop list-databases --connect jdbc:mysql://192.168.220.151 --username hive --password hive
七、案例实践:Sqoop 迁移Hive出库数据
7.1 数据导出:Hive 导入 MySQL
- 准备 Hive 数据源
javascript
create table mean_temperature as select id, sum(temperature)/count(*) from temperature group by id;
- MySQL 建表
javascript
CREATE TABLE IF NOT EXISTS `mean_temperature`(
`id` VARCHAR(20) NOT NULL,
`average` VARCHAR(20) NOT NULL,
PRIMARY KEY (`id`)
)ENGINE=InnoDB DEFAULT CHARSET=utf8;
- hive数据导出到 mysql 脚本
javascript
/usr/local/sqoop/bin/sqoop export \
--connect 'jdbc:mysql://hadoop1/hive?useUnicode=true&characterEncoding=utf-8' \
--username hive \
--password hive \
--table mean_temperature \
--export-dir /user/hive/warehouse/mydb/mean_temperature \
--input-fields-terminated-by "\001" \
-m 1;
出现如下报错:Caused by: com.mysql.jdbc.exceptions.jdbc4.MySQLSyntaxErrorException: Access denied for user 'hive'@'%' to database 'hive'
hive 用户只授权了 hadoop1 能够访问mysql,需求开启远程访问
修复方法:登录 root 用户,执行如下脚本
javascript
mysql> grant all on *.* to 'hive'@'%' identified by 'hive';
mysql> flush privileges;
再次执行如下脚本:
javascript
/usr/local/sqoop/bin/sqoop export \
--connect 'jdbc:mysql://hadoop1/hive?useUnicode=true&characterEncoding=utf-8' \
--username hive \
--password hive \
--table mean_temperature \
--export-dir /user/hive/warehouse/mydb/mean_temperature \
--input-fields-terminated-by "\001" \
-m 1;
在 mysql 查看 mean_temperature 表
7.2 数据导出:MySQL 导入 Hive
执行如下脚本:
javascript
/usr/local/sqoop/bin/sqoop import \
--connect 'jdbc:mysql://hadoop1/hive?useUnicode=true&characterEncoding=utf-8' \
--username hive \
--password hive \
--table mean_temperature \
--fields-terminated-by ',' \
--delete-target-dir \
-m 1 \
--hive-import \
--hive-database weather \
--hive-table ods_mean_temperature;
查看 Hive 数据库的 ods_mean_temperature
javascript
hive> select * from ods_mean_temperature limit 10;
可以看到 自动创建表 ods_mean_temperature 并有数据。