Sqoop1 导入与导出数据

本篇博客主要介绍如何使用Sqoop1.x版本来实现数据的导入与导出，笔者使用的版本为Sqoop1.4.6，安装配置请参考博客：
http://blog.csdn.net/hg_harvey/article/details/77803520

官网文档：http://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html

1.MySQL 导入数据到 HDFS

流程图：

说明：
(1).Sqoop 与数据库进行通信，获取数据库表的元数据信息
(2).Sqoop启动一个Map-Only的MapReduce作业，利用元数据信息并行将数据写入Hadoop

1.数据准备

• MySQL 中创建数据库sqoop

create database sqoop;use sqoop;

• 创建两张表dept及emp

CREATE TABLE DEPT(    DEPTNO int(2) PRIMARY KEY,    DNAME VARCHAR(14),    LOC VARCHAR(13) );

表结构：

mysql> desc DEPT;+--------+-------------+------+-----+---------+-------+| Field  | Type        | Null | Key | Default | Extra |+--------+-------------+------+-----+---------+-------+| DEPTNO | int(2)      | NO   | PRI | NULL    |       || DNAME  | varchar(14) | YES  |     | NULL    |       || LOC    | varchar(13) | YES  |     | NULL    |       |+--------+-------------+------+-----+---------+-------+

CREATE TABLE EMP(    EMPNO int(4) PRIMARY KEY,    ENAME VARCHAR(10),    JOB VARCHAR(9),    MGR int(4),    HIREDATE DATE,    SAL int(7),    COMM int(7),    DEPTNO int(2),    foreign key(deptno) references DEPT(DEPTNO)); 

表结构：

mysql> desc EMP;+----------+-------------+------+-----+---------+-------+| Field    | Type        | Null | Key | Default | Extra |+----------+-------------+------+-----+---------+-------+| EMPNO    | int(4)      | NO   | PRI | NULL    |       || ENAME    | varchar(10) | YES  |     | NULL    |       || JOB      | varchar(9)  | YES  |     | NULL    |       || MGR      | int(4)      | YES  |     | NULL    |       || HIREDATE | date        | YES  |     | NULL    |       || SAL      | int(7)      | YES  |     | NULL    |       || COMM     | int(7)      | YES  |     | NULL    |       || DEPTNO   | int(2)      | YES  | MUL | NULL    |       |+----------+-------------+------+-----+---------+-------+

• 插入数据

DEPT 表：

INSERT INTO DEPT VALUES (10,'ACCOUNTING','NEW YORK');INSERT INTO DEPT VALUES (20,'RESEARCH','DALLAS');INSERT INTO DEPT VALUES (30,'SALES','CHICAGO');INSERT INTO DEPT VALUES (40,'OPERATIONS','BOSTON');

EMP 表：

INSERT INTO EMP VALUES(7369,'SMITH','CLERK',7902,'1980-12-17',800,NULL,20);INSERT INTO EMP VALUES(7499,'ALLEN','SALESMAN',7698,'1981-2-20',1600,300,30);INSERT INTO EMP VALUES(7521,'WARD','SALESMAN',7698,'1981-2-22',1250,500,30);INSERT INTO EMP VALUES(7566,'JONES','MANAGER',7839,'1981-4-2',2975,NULL,20);INSERT INTO EMP VALUES(7654,'MARTIN','SALESMAN',7698,'1981-9-28',1250,1400,30);INSERT INTO EMP VALUES(7698,'BLAKE','MANAGER',7839,'1981-5-1',2850,NULL,30);INSERT INTO EMP VALUES(7782,'CLARK','MANAGER',7839,'1981-6-9',2450,NULL,10);INSERT INTO EMP VALUES(7788,'SCOTT','ANALYST',7566,'87-7-13',3000,NULL,20);INSERT INTO EMP VALUES(7839,'KING','PRESIDENT',NULL,'1981-11-17',5000,NULL,10);INSERT INTO EMP VALUES(7844,'TURNER','SALESMAN',7698,'1981-9-8',1500,0,30);INSERT INTO EMP VALUES(7876,'ADAMS','CLERK',7788,'87-7-13',1100,NULL,20);INSERT INTO EMP VALUES(7900,'JAMES','CLERK',7698,'1981-12-3',950,NULL,30);INSERT INTO EMP VALUES(7902,'FORD','ANALYST',7566,'1981-12-3',3000,NULL,20);INSERT INTO EMP VALUES(7934,'MILLER','CLERK',7782,'1982-1-23',1300,NULL,10);

2.从mysql导入数据到HDFS

导入数据使用import命令，输入如下命令查看帮助说明

$ sqoop help import

输入命令导入数据

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--table EMP -m 1\

访问 http://IP:8088/cluster 查看任务

点击History，查看历史

查看运行结果
默认导入HDFS路径：/user/用户名/表名

$ hadoop fs -ls /user/hadoop/EMP$ hadoop fs -text /user/hadoop/EMP/part-m-00000

3.sqoop import 命令常用参数使用

(1).导入数据前先删除目录（–delete-target-dir）

如果重复执行上面的命令导入数据到hdfs会报如下错误
Encountered IOException running import job:
org.apache.hadoop.mapred.FileAlreadyExistsException:
Output directory hdfs://hdpcomprs:9000/user/hadoop/EMP already exists

错误原因：hdfs中文件路径已存在
解决方法：
①.手工把存在的目录删除
②.执行导入时，加上参数–delete-target-dir

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--table EMP -m 1

(2).设置mapreduce作业名称（–mapreduce-job-name）

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--mapreduce-job-name FromMySQLToHDFS \--table EMP -m 1

查看mapreduce作业名称

(3).导入数据时指定hdfs路径（–target-dir）

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--mapreduce-job-name FromMySQLToHDFS \--target-dir EMP_INFO \--table EMP -m 1

数据导入到hdfs的路径为：/user/hadoop/EMP_INFO

(4).设置只导入指定列的数据（–columns）

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--mapreduce-job-name FromMySQLToHDFS \--target-dir EMP_COLUMN \--columns "EMPNO,ENAME,JOB,SAL,COMM" \--table EMP -m 1

运行结果：

$ hadoop fs -ls /user/hadoop/EMP_COLUMN$ hadoop fs -text /user/hadoop/EMP_COLUMN/part-m-00000

(5).导入数据时设置文件的存储格式

使用参数–as-parquetfile 设置存储格式为parquet格式

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--mapreduce-job-name FromMySQLToHDFS \--target-dir EMP_COLUMN_PARQUET \--columns "EMPNO,ENAME,JOB,SAL,COMM" \--as-parquetfile \--table EMP -m 1

导入完成后，在hdfs中可以看到文件的存储格式为parquetfile

$ hadoop fs -ls /user/hadoop/EMP_COLUMN_PARQUET

(6).设置导入数据字段与字段、行与行之间的分隔符

设置字段与字段之间的分隔符使用参数–fields-terminated-by，设置行与行之间的分隔符使用–lines-terminated-by

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--mapreduce-job-name FromMySQLToHDFS \--target-dir EMP_SPLIT \--fields-terminated-by '\t' \--lines-terminated-by '\n' \--table EMP -m 1

运行结果：

$ hadoop fs -ls /user/hadoop/EMP_SPLIT$ hadoop fs -text /user/hadoop/EMP_SPLIT/part-m-00000

(7).条件导入

实现需求：将emp表中工资大于2000的员工信息导入到hdfs

• 方式一：–where

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--delete-target-dir \--target-dir EMP_COLUMN_WHERE \--columns "EMPNO,ENAME,JOB,SAL,COMM" \--mapreduce-job-name FromMySQLToHDFS \--where 'SAL>2000' \--fields-terminated-by '\t' \ --lines-terminated-by '\n' \--table EMP -m 2

命令中-m 写的是2，表示会有两个map，也就是两个输出文件，即执行完成后，在hdfs中会有两个文件

查看结果：

$ hadoop fs -ls /user/hadoop/EMP_COLUMN_WHERE$ hadoop fs -text /user/hadoop/EMP_COLUMN_WHERE/part-m-00000$ hadoop fs -text /user/hadoop/EMP_COLUMN_WHERE/part-m-00001

• 方式二：–query

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--target-dir EMP_COLUMN_QUERY \--query 'select * from EMP where SAL>2000' \--mapreduce-job-name FromMySQLToHDFS \--fields-terminated-by '\t' \--lines-terminated-by '\n' \--table EMP -m 1

执行命令报如下错误：
Cannot specify –query and –table together.
错误原因：在使用–query后，查询条件已经指定了表名，不需要再使用–table参数来指定表名了
解决方法：去掉–table参数

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--target-dir EMP_COLUMN_QUERY \--query 'select * from EMP where SAL>2000' \--mapreduce-job-name FromMySQLToHDFS \--fields-terminated-by '\t' \--lines-terminated-by '\n' \-m 1

修改后再次执行报如下错误：
IOException: Query [select * from EMP where
SAL>2000] must contain ‘$CONDITIONS’ in WHERE clause
解决方法：在where条件后添加 and $CONDITIONS

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--target-dir EMP_COLUMN_QUERY \--query 'select * from EMP where SAL>2000 and $CONDITIONS' \--mapreduce-job-name FromMySQLToHDFS \--fields-terminated-by '\t' \--lines-terminated-by '\n' \-m 1

查看运行结果：

$ hadoop fs -ls /user/hadoop/EMP_COLUMN_QUERY$ hadoop fs -text /user/hadoop/EMP_COLUMN_QUERY/part-m-00000

–query 不仅支持单表查询，也支持多表查询

实现需求：查询员工编号、名称及员工所属部门导入到hdfs

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root \--password P@ssw0rd \--delete-target-dir \--target-dir EMP_COLUMN_QUERY_JOIN \--query 'select E.EMPNO,E.ENAME,D.DNAME from EMP E inner join DEPT D on D.DEPTNO = E.DEPTNO and $CONDITIONS' \--mapreduce-job-name FromMySQLToHDFS \--fields-terminated-by '\t' \--lines-terminated-by '\n' \-m 1

查看运行结果：

$ hadoop fs -ls /user/hadoop/EMP_COLUMN_QUERY_JOIN$ hadoop fs -text /user/hadoop/EMP_COLUMN_QUERY_JOIN/part-m-00000

(8).导入时将文件作为参数传入（–options-file）

新建文件emp.opt，文件内容如下

import--connect jdbc:mysql://localhost:3306/sqoop --username root --password P@ssw0rd--delete-target-dir --target-dir EMP_OPTIONS_FILE--mapreduce-job-name FromMySQLToHDFS --table EMP-m 1 

注意：如果使用将文件作为参数，在文件中每个命令参数必须为一行

输入如下命令导入数据到hdfs

sqoop --options-file emp.opt 

查看运行结果：

$ hadoop fs -ls /user/hadoop/EMP_OPTIONS_FILE$ hadoop fs -text /user/hadoop/EMP_OPTIONS_FILE/part-m-00000

2.HDFS 导出数据到 MySQL

流程图：

说明：
(1).Sqoop与数据库通信，获取数据库表的元数据信息；
(2).将Hadoop上的文件划分成若干个Split，每个Split由一个Map Task进行数据导出操作；

1.HDFS 导出数据到MySQL

导出命令使用export，输入如下命令查看命令帮助说明

$ sqoop help export

导出数据到mysql（mysql 中 没有表 EMP_DEMO）

sqoop export \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--table EMP_DEMO \--export-dir /user/hadoop/EMP \-m 1 

执行命令后报错：
Table ‘sqoop.EMP_DEMO’ doesn’t exist
说明sqoop不会在mysql中自动创建表，在mysql中创建表EMP_DEMO

CREATE TABLE EMP_DEMO(    EMPNO int(4) PRIMARY KEY,    ENAME VARCHAR(10),    JOB VARCHAR(9),    MGR int(4),    HIREDATE DATE,    SAL int(7),    COMM int(7),    DEPTNO int(2),    foreign key(deptno) references DEPT(DEPTNO)); 

再次执行命令后（如果多次执行导出数据会一致追加到表EMP_DEMO中），运行结果如下

2.sqoop export 命令常用参数使用

导出指定的列（–columns）

sqoop export \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--table EMP_DEMO \--columns "EMPNO,ENAME,JOB,SAL,COMM" \--export-dir /user/hadoop/EMP_COLUMN \-m 1 

查看结果：只有指定的列中有数据

导出数据时设置字段与字段、行与行之间的分隔符

hdfs中/user/hadoop下EMP_SPLIT文件中的数据是我们前面通过mysql导入的，使用了分隔符，所以在导出时也需要指定分隔符，否则导出不成功。EMP_SPLIT文件内容如下

sqoop export \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--table EMP_DEMO \--fields-terminated-by '\t' --lines-terminated-by '\n' \--export-dir /user/hadoop/EMP_SPLIT \-m 1 

运行结果：

3.MySQL 导入数据到 Hive

• 全部导入

实现需求：将mysql中表emp导入到hive中

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--table EMP \--delete-target-dir \--hive-import \--hive-database db_test --create-hive-table --hive-table emp_import \-m 1 

运行结果：

注意：
运行完成后在hive中自动创建了一张表emp_import，通过命令查看表的信息，可以看到sal的数据类型为int，实际我们一般都是double类型，所以不建议使用–create-hive-table参数来自动创建hive表，建议手动创建表，再使用命令导入。

• 部分导入

hive 中 创建表

create table emp_column(empno int,ename string,job string,mgr int,hiredate string,sal double,comm double,deptno int) row format delimited fields terminated by '\t' lines terminated by '\n';

执行如下命令，将指定的列导入数据到hive

sqoop import \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--table EMP \--delete-target-dir  \--columns "EMPNO,ENAME,JOB,SAL,COMM" \--fields-terminated-by '\t' --lines-terminated-by '\n' \--hive-import --hive-table emp_column --hive-overwrite  \-m 1

运行结果：

4.Hive 导出数据到 MySQL

实现需求：将hive 表 emp_import 中的数据导出到 Mysql 表 EMP_DEMO

hive 表 emp_import对应hdfs路径：/user/hive/warehouse/db_test.db/emp_import

mysql 中 EMP_DEMO 表结构如下

mysql> desc EMP_DEMO;+----------+-------------+------+-----+---------+-------+| Field    | Type        | Null | Key | Default | Extra |+----------+-------------+------+-----+---------+-------+| EMPNO    | int(4)      | NO   | PRI | NULL    |       || ENAME    | varchar(10) | YES  |     | NULL    |       || JOB      | varchar(9)  | YES  |     | NULL    |       || MGR      | int(4)      | YES  |     | NULL    |       || HIREDATE | date        | YES  |     | NULL    |       || SAL      | int(7)      | YES  |     | NULL    |       || COMM     | int(7)      | YES  |     | NULL    |       || DEPTNO   | int(2)      | YES  | MUL | NULL    |       |+----------+-------------+------+-----+---------+-------+8 rows in set (0.34 sec)

注意：mysql中日期为date类型，hive中对应的字段为字符串类型，其存储格式必须为：yyyy-mm-dd

导出时指定null字段的填充符，如果不指定会报一个异常NumberFormatException
–input-null-string：如果没有这个选项，那么在字符串类型列中，字符串”null”会被转换成空字符串,所以最好写上这个，指定为’\N’
–input-null-non-string：如果没有这个选项，那么在非字符串类型的列中，空串和”null”都会被看作是null

执行命令导出（相当于hdfs导出到mysql）

sqoop export \--connect jdbc:mysql://localhost:3306/sqoop \--username root --password P@ssw0rd \--table EMP_DEMO \--export-dir /user/hive/warehouse/db_test.db/emp_import \--input-fields-terminated-by '\001' \--input-null-string '\\N' --input-null-non-string '\\N' \-m 1 

运行结果：