sqoop简介与安装配置

SQOOP的描述

SQOOP是用于对数据进行导入导出的。

(1)把MySQL、Oracle等数据库中的数据导入到HDFS、Hive、HBase中

(2)把HDFS、Hive、HBase中的数据导出到MySQL、Oracle等数据库中

SQOOP的安装

解压缩sqoop的tar.gz文件，设置环境变量（source /etc/profile）

把数据从mysql导入到hdfs(默认是/user/<username>)中

1. 复制mysql的驱动到sqoop目录下的lib中

2. 执行导入命令

sqoopimport --connect jdbc:mysql://hadoop0:3306/hive --username root --password admin --table TBLS --fields-terminated-by'\t' --null-string '**' -m 1 --append --hive-import

说明：

ü 执行import命令将mysql的hive数据库中的TBLS表导入到hdfs中（默认目录user/root）

ü --fields-terminated-by '\t' ：表示导入到hdfs中以’\t’进行切割

ü --null-string ‘**’：表示当字段为null时用’**’替换

ü -m1：表示只指定一个map任务（map任务的个数关系生成文件的个数）

ü --append：表示如果执行多次则进行追加（否则多次执行则会报already exsist）

ü --hive-import：表示导入到hive中（如果只需导入到hdfs中则可不写）

sqoopimport --connect jdbc:mysql://hadoop0:3306/hive --username root --password admin --table TBLS --fields-terminated-by'\t' --null-string '**' -m 1 --append --hive-import --check-column'TBL_ID' --incremental append --last-value 6

说明：

ü 执行import命令将mysql的hive数据库中的TBLS表导入到hdfs中（默认目录user/root）

ü --check-column 'TBL_ID'：表示检查’TBL_ID‘列

ü --incremental：表示增量

ü --last-value 6：表示开始追加导入的列从第6列开始(不包含第6列)

ü --check-column 'TBL_ID' --incremental append --last-value 6：整体解释为检查导入的主键列‘TBL_ID’当该列的值（增量）大于6时，可以进行追加导入，否则不进行导入

（这样做的目的：当第一次导入数据时主键列的最后一个值为6，第二次导入时我们不想导入所有的数据而是后来增加的数据，所以我们可以接着上一次的数据导入，即不导入重复数据）

把数据从hdfs导出到mysql中

sqoop export --connect jdbc:mysql://hadoop0:3306/hive --username root --password admin --table ids--fields-terminated-by '\t' --export-dir '/ids'

说明：

--export-dir '/ids'：指定要导出到Mysql的文件目录

设置为作业，运行作业

sqoop job --create myjob -- import --connectjdbc:mysql://hadoop0:3306/hive --username root --password admin --table TBLS --fields-terminated-by'\t' --null-string '**' -m 1 --append --hive-import

说明：

ü 设置为作业后可以直接执行作业，执行作业即执行该命令

ü 执行作业的命令：sqoopjob –exec myjob

ü 查看作业已创建的Job作业：sqoop job –list

注：运行作业第一次需要输入密码，输入密码后即可执行，然后修改sqoop/conf/sqoop-site.xml中的sqoop.metastore.client.record.password（去掉注释即可）

以后运行就不需要在此输入密码了