Sqoop架构以及应用介绍

本篇文章在具体介绍Sqoop之前，先给大家用一个流程图介绍Hadoop业务的开发流程以及Sqoop在业务当中的实际地位。 
 
如上图所示：在实际的业务当中，我们首先对原始数据集通过MapReduce进行数据清洗，然后将清洗后的数据存入到Hbase数据库中，而后通过数据仓库Hive对hbase中的数据进行统计与分析，分析之后将分析结果存入到hive表中，然后通过Sqoop这个工具将我们的数据挖掘结果导入到MySQL数据库中，最后通过Web将结果展示给客户。 
向大家展示完hadoop业务开发流程之后，将进入到本篇文章的正题—-Sqoop架构以及应用的介绍。 
（一）Sqoop架构介绍 
1、Sqoop的概念 
Sqoop：SQL–to–Hadoop 
正如Sqoop的名字所示：Sqoop是一个用来将关系型数据库和Hadoop中的数据进行相互转移的工具，可以将一个关系型数据库(例如mysql、Oracle)中的数据导入到Hadoop(例如HDFS、Hive、Hbase)中，也可以将Hadoop(例如HDFS、Hive、Hbase)中的数据导入到关系型数据库(例如Mysql、oracle)中。如下图所示： 
 
2、Sqoop架构 
Sqoop架构： 
 
正如上图所示：Sqoop工具接收到客户端的shell命令或者Java api命令后，通过Sqoop中的任务翻译器(Task Translator)将命令转换为对应的MapReduce任务，而后将关系型数据库和Hadoop中的数据进行相互转移，进而完成数据的拷贝。 
（二）Sqoop应用介绍 
Sqoop作为一个数据转移工具，必须要掌握其具体用法，下面将围绕Sqoop import to HDFS、增量导入、批脚本执行、Sqoop import to Hive、Sqoop import to Hbase、Sqoop export 几个方面进行介绍。 
1、Sqoop import to HDFS 
 
说明： 
- -connect:指定JDBC的URL 其中database指的是(Mysql或者Oracle)中的数据库名 
- -table：指的是要读取数据库database中的表名 
- -username - -password:指的是Mysql数据库中的用户名和密码 
- -target-dir:指的是HDFS中导入表的存放目录(注意：是目录) 
- -fields-terminated-by ：设定导入数据后每个字段的分隔符 
-m：并发的map数量 
- -null-string:导入的字段为空时，用指定的字符进行替换 
- -incremental append：增量导入 
- -check-column:指定增量导入时的参考列 
- -last-value:上一次导入的最后一个值 
下面给大家举一个例子进行相应说明：对于Mysql数据库，将hive数据库中的consumer表通过sqoop导入到HDFS中 
 
shell命令：

sqoop import --connect     jdbc:mysql://hadoop80:3306/hive     --table  consumer                --username root --password  admin    --target-dir /outdir/  --fields-terminated-by '\t'  -m 1 
1
1

运行结果如下图所示： 
 
通过Sqoop这个工具就将我们Mysql数据库中的数据导入到了HDFS中，上面的shell命令类似我们下面的shell操作：

hadoop jar   copy.jar   mysql://hadoop80:3306/hive/consumer  /outdir/
1
1

2、增量导入 
在实际的工作当中都是数据库的表中数据不断增加的，比如刚才的consumer表，因此每次导入的时候只想导入增量的部分，不想将表中的数据在重新导入一次(费时费力)，即如果表中的数据增加了内容，就向Hadoop中导入一下，如果表中的数据没有增加就不导入—–这就是增量导入。 
- -incremental append：增量导入 
- -check-column:(增量导入时需要指定增量的标准—哪一列作为增量的标准) 
- -last-value:(增量导入时必须指定参考列—–上一次导入的最后一个值，否则表中的数据又会被重新导入一次) 
以刚才的consumer表为例，我们向consumer表中增加两条记录，如下图所示： 
 
shell的增量操作：

sqoop import --connect     jdbc:mysql://hadoop80:3306/hive     --table  consumer                --username root --password  admin    --target-dir /outdir/  --fields-terminated-by '\t'  -m 1   --incremental append  --check-column  id  --last-value  4
1
1

增量导入的结果如下图所示： 
 
从运行结果可以看出，输出结果多了一个part-m-00001，而该文件中所包含的内容为： 
 
文件中的内容正是刚刚我们新增加的两条记录。 
3、批量导入 
从上面导入的命令可以看出，命令行包含的命令太多了，太麻烦了，因此如果类似的作业太多的话，我们应该将其设置为一个作业，做成一个脚本文件。 
创建批脚本作业的shell命令：

sqoop   job  --create   job001 --    import --connect     jdbc:mysql://hadoop80:3306/hive                       --table  consumer         --username root --password  admin    --target-dir    /outdir/                                  --fields-terminated-by '\t'  -m 1 
1
1

通过sqoop job –list可以查看生成的批脚本文件： 
 
通过sqoop job –exec 即可运行我们刚才生成的脚本文件，将我们Mysql数据库中的consumer表中的数据导入到HDFS中，而不需要每次都写很长的命令来运行。 
4、Sqoop import to hive 
 
说明： 
- -connect:指定JDBC的URL 其中database指的是(Mysql或者Oracle)中的数据库名 
- -table：指的是要读取数据库database中的表名 
- -username - -password:指的是Mysql数据库中的用户名和密码 
- -hive-import 指的是将数据导入到hive数据仓库中 
- -create-hive-table 创建表，注意：如果表已经存在就不用写这个命令了，否则会报错 
- -hive-table 指定databasename.tablename (哪个数据库中的哪个表) 
- -fields-terminated-by ：设定导入数据后每个字段的分隔符 
-m：并发的map数量 
- -null-string:导入的字段为空时，用指定的字符进行替换 
- -incremental append：增量导入 
- -check-column:指定增量导入时的参考列 
- -last-value:上一次导入的最后一个值 
同样，下面给大家举一个例子进行相应的说明：对于Mysql数据库，将hive数据库中的consumer表通过sqoop导入到Hive数据仓库中 
 
shell命令操作：

sqoop import --connect jdbc:mysql://hadoop80:3306/hive  --table consumer     --username root --password admin --hive-import  --create-hive-table  --hive-table d1.table1                  --fields-terminated-by  '\t'  -m 1
1
1

运行结果如下图所示： 
 
通过Sqoop这个工具就将我们Mysql数据库中的数据导入到了Hive数据仓库中，上面的shell命令类似我们下面的shell操作：

hadoop jar copy.jar  mysql://hadoop80:3306/hive/consumer  /hive/d1.table1
1
1

即本质上通过sqoop这个工具完成的就是一个数据的拷贝工作。 
注：如果我们对sqoop import to hive不熟悉的话，我们可以先将数据库中的数据导入到HDFS的指定目录下，然后在Hive中创建一个外部表关联这个指定目录即可。 
5、Sqoop import to hbase 
 
说明： 
- -connect:指定JDBC的URL 其中database指的是(Mysql或者Oracle)中的数据库名 
- -table：指的是要读取数据库database中的表名 
- -username - -password:指的是Mysql数据库中的用户名和密码 
- -hbase-create-table:表示在hbase中建立表 
- -hbase-table A：指定在hbase中建立表A 
- -column-family infor：表示在表A中建立列族infor。 
- -hbase-row-key ：表示表A的row-key是consumer表的id字段 
-m：并发的map数量 
- -null-string:导入的字段为空时，用指定的字符进行替换 
- -incremental append：增量导入 
- -check-column:指定增量导入时的参考列 
- -last-value:上一次导入的最后一个值 
下面给大家举一个例子进行相应的说明：对于Mysql数据库，将hive数据库中的consumer表通过sqoop导入到Hbase中： 
 
shell命令：

 sqoop import --connect jdbc:mysql://hadoop80:3306/hive  --table consumer    --username root --password admin    --hbase-create-table     --hbase-table A      --column-family infor                      --hbase-row-key id --fields-terminated-by '\t'  -m 1
1
1

运行结果如下： 
 
通过Sqoop这个工具就将我们Mysql数据库中的数据导入到了Hbase中，上面的shell命令类似我们下面的shell操作：

hadoop jar copy.jar  mysql://hadoop80:3306/hive/consumer  /hbase/A
1
1

5、Sqoop export 
 
下面给大家举一个例子进行相应的说明：假设将HDFS中的t1表通过sqoop导入到Mysql中的consumer表(事先必须存在)： 
HDFS中t1表的内容： 
 
MySql中已经创建好的consumer表： 
 
shell命令如下：

 sqoop export --connect jdbc:mysql://hadoop80:3306/hive  --table consumer   --username  root --password admin  --export-dir  /outdir/  --fields-terminated-by '\t'  -m 1
1
1

运行结果，数据从HDFS的t1文件中成功的导入到了Mysql中的consumer表中： 
 
注：从Hadoop向数据库中导入数据时，数据库中相应的表事先必须创建好。 
（三）总结 
Sqoop作为一个用来将关系型数据库和Hadoop中的数据进行相互转移的工具，对于我们来说更重要的在于灵活的运用这个工具。 
如有问题，欢迎留言。