Sqoop-1.4.4工具import和export使用详解
来源:互联网 发布:ubuntu 查看内存 编辑:程序博客网 时间:2024/04/29 09:33
转 http://blog.csdn.net/wangmuming/article/details/25303831
Sqoop可以在HDFS/Hive和关系型数据库之间进行数据的导入导出,其中主要使用了import和export这两个工具。这两个工具非常强大,提供了很多选项帮助我们完成数据的迁移和同步。比如,下面两个潜在的需求:
- 业务数据存放在关系数据库中,如果数据量达到一定规模后需要对其进行分析或同统计,单纯使用关系数据库可能会成为瓶颈,这时可以将数据从业务数据库数据导入(import)到Hadoop平台进行离线分析。
- 对大规模的数据在Hadoop平台上进行分析以后,可能需要将结果同步到关系数据库中作为业务的辅助数据,这时候需要将Hadoop平台分析后的数据导出(export)到关系数据库。
这里,我们介绍Sqoop完成上述基本应用场景所使用的import和export工具,通过一些简单的例子来说明这两个工具是如何做到的。
工具通用选项
import和export工具有些通用的选项,如下表所示:
选项含义说明--connect <jdbc-uri>
指定JDBC连接字符串--connection-manager <class-name>
指定要使用的连接管理器类--driver <class-name>
指定要使用的JDBC驱动类--hadoop-mapred-home <dir>
指定$HADOOP_MAPRED_HOME路径--help
打印用法帮助信息--password-file
设置用于存放认证的密码信息文件的路径-P
从控制台读取输入的密码--password <password>
设置认证密码--username <username>
设置认证用户名--verbose
打印详细的运行信息--connection-param-file <filename>
可选,指定存储数据库连接参数的属性文件数据导入工具import
import工具,是将HDFS平台外部的结构化存储系统中的数据导入到Hadoop平台,便于后续分析。我们先看一下import工具的基本选项及其含义,如下表所示:
选项含义说明--append
将数据追加到HDFS上一个已存在的数据集上--as-avrodatafile
将数据导入到Avro数据文件--as-sequencefile
将数据导入到SequenceFile--as-textfile
将数据导入到普通文本文件(默认)--boundary-query <statement>
边界查询,用于创建分片(InputSplit)--columns <col,col,col…>
从表中导出指定的一组列的数据--delete-target-dir
如果指定目录存在,则先删除掉--direct
使用直接导入模式(优化导入速度)--direct-split-size <n>
分割输入stream的字节大小(在直接导入模式下)--fetch-size <n>
从数据库中批量读取记录数--inline-lob-limit <n>
设置内联的LOB对象的大小-m,--num-mappers <n>
使用n个map任务并行导入数据-e,--query <statement>
导入的查询语句--split-by <column-name>
指定按照哪个列去分割数据--table <table-name>
导入的源表表名--target-dir <dir>
导入HDFS的目标路径--warehouse-dir <dir>
HDFS存放表的根路径--where <where clause>
指定导出时所使用的查询条件-z,--compress
启用压缩--compression-codec <c>
指定Hadoop的codec方式(默认gzip)--null-string <null-string>
果指定列为字符串类型,使用指定字符串替换值为null的该类列的值--null-non-string <null-string>
如果指定列为非字符串类型,使用指定字符串替换值为null的该类列的值下面,我们通过实例来说明,在实际中如何使用这些选项。
- 将MySQL数据库中整个表数据导入到Hive表
1
bin/sqoop
import
--connect jdbc:mysql://10.95.3.49:3306/workflow --table project --username shirdrn -P --hive-
import
-- --default-character-
set
=utf-8
将MySQL数据库workflow中project表的数据导入到Hive表中。
- 将MySQL数据库中多表JION后的数据导入到HDFS
1
bin/sqoop
import
--connect jdbc:mysql://10.95.3.49:3306/workflow --username shirdrn -P --query
'SELECT users.*, tags.tag FROM users JOIN tags ON (users.id = tags.user_id) WHERE $CONDITIONS'
--
split
-by
users
.
id
--target-
dir
/hive/tag_db/user_tags -- --default-character-
set
=utf-8
这里,使用了
--query
选项,不能同时与--table
选项使用。而且,变量$CONDITIONS必须在WHERE语句之后,供Sqoop进程运行命令过程中使用。上面的--target-dir
指向的其实就是Hive表存储的数据目录。
- 将MySQL数据库中某个表的数据增量同步到Hive表
1
bin/sqoop job --create your-
sync
-job --
import
--connect jdbc:mysql://10.95.3.49:3306/workflow --table project --username shirdrn -P --hive-
import
--incremental append --check-column
id
--last-value 1 -- --default-character-
set
=utf-8
这里,每次运行增量导入到Hive表之前,都要修改
--last-value
的值,否则Hive表中会出现重复记录。
- 将MySQL数据库中某个表的几个字段的数据导入到Hive表
1
bin/sqoop
import
--connect jdbc:mysql://10.95.3.49:3306/workflow --username shirdrn --P --table tags --columns
'id,tag'
--create-hive-table -target-
dir
/hive/tag_db/tags -m 1 --hive-table tags --hive-
import
-- --default-character-
set
=utf-8
我们这里将MySQL数据库workflow中tags表的id和tag字段的值导入到Hive表tag_db.tags。其中
--create-hive-table
选项会自动创建Hive表,--hive-import
选项会将选择的指定列的数据导入到Hive表。如果在Hive中通过SHOW TABLES无法看到导入的表,可以在conf/hive-site.xml中显式修改如下配置选项:1
<
property
>
2
<
name
>javax.jdo.option.ConnectionURL</
name
>
3
<
value
>jdbc:derby:;databaseName=hive_metastore_db;create=true</
value
>
4
</
property
>
然后再重新运行,就能看到了。
- 使用验证配置选项
1
sqoop
import
--connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES --validate --validator org.apache.sqoop.validation.RowCountValidator --validation-threshold org.apache.sqoop.validation.AbsoluteValidationThreshold --validation-failurehandler org.apache.sqoop.validation.AbortOnFailureHandler
上面这个是官方用户手册上给出的用法,我们在实际中还没用过这个,有感兴趣的可以验证尝试一下。
数据导出工具export
export工具,是将HDFS平台的数据,导出到外部的结构化存储系统中,可能会为一些应用系统提供数据支持。我们看一下export工具的基本选项及其含义,如下表所示:
选项含义说明--validate <class-name>
启用数据副本验证功能,仅支持单表拷贝,可以指定验证使用的实现类--validation-threshold <class-name>
指定验证门限所使用的类--direct
使用直接导出模式(优化速度)--export-dir <dir>
导出过程中HDFS源路径-m,--num-mappers <n>
使用n个map任务并行导出--table <table-name>
导出的目的表名称--call <stored-proc-name>
导出数据调用的指定存储过程名--update-key <col-name>
更新参考的列名称,多个列名使用逗号分隔--update-mode <mode>
指定更新策略,包括:updateonly(默认)、allowinsert--input-null-string <null-string>
使用指定字符串,替换字符串类型值为null的列--input-null-non-string <null-string>
使用指定字符串,替换非字符串类型值为null的列--staging-table <staging-table-name>
在数据导出到数据库之前,数据临时存放的表名称--clear-staging-table
清除工作区中临时存放的数据--batch
使用批量模式导出下面,我们通过实例来说明,在实际中如何使用这些选项。这里,我们主要结合一个实例,讲解如何将Hive中的数据导入到MySQL数据库。
首先,我们准备几个表,MySQL数据库为tag_db,里面有两个表,定义如下所示:
01
CREATE
TABLE
tag_db.users (
02
id
INT
(11)
NOT
NULL
AUTO_INCREMENT,
03
name
VARCHAR
(100)
NOT
NULL
,
04
PRIMARY
KEY
(`id`)
05
) ENGINE=InnoDB
DEFAULT
CHARSET=utf8;
06
07
CREATE
TABLE
tag_db.tags (
08
id
INT
(11)
NOT
NULL
AUTO_INCREMENT,
09
user_id
INT
NOT
NULL
,
10
tag
VARCHAR
(100)
NOT
NULL
,
11
PRIMARY
KEY
(`id`)
12
) ENGINE=InnoDB
DEFAULT
CHARSET=utf8;
这两个表中存储的是基础数据,同时对应着Hive中如下两个表:
01
CREATE
TABLE
users (
02
id
INT
,
03
name
STRING
04
);
05
06
CREATE
TABLE
tags (
07
id
INT
,
08
user_id
INT
,
09
tag STRING
10
);
我们首先在上述MySQL的两个表中插入一些测试数据:
1
INSERT
INTO
tag_db.users(
name
)
VALUES
(
'jeffery'
);
2
INSERT
INTO
tag_db.users(
name
)
VALUES
(
'shirdrn'
);
3
INSERT
INTO
tag_db.users(
name
)
VALUES
(
'sulee'
);
4
5
INSERT
INTO
tag_db.tags(user_id, tag)
VALUES
(1,
'Music'
);
6
INSERT
INTO
tag_db.tags(user_id, tag)
VALUES
(1,
'Programming'
);
7
INSERT
INTO
tag_db.tags(user_id, tag)
VALUES
(2,
'Travel'
);
8
INSERT
INTO
tag_db.tags(user_id, tag)
VALUES
(3,
'Sport'
);
然后,使用Sqoop的import工具,将MySQL两个表中的数据导入到Hive表,执行如下命令行:
1
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/tag_db --table users --username shirdrn -P --hive-import -- --default-character-set=utf-8
2
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/tag_db --table tags --username shirdrn -P --hive-import -- --default-character-set=utf-8
导入成功以后,再在Hive中创建一个用来存储users和tags关联后数据的表:
1
CREATE
TABLE
user_tags (
2
id STRING,
3
name
STRING,
4
tag STRING
5
);
执行如下HQL语句,将关联数据插入user_tags表:
1
FROM
users u
JOIN
tags t
ON
u.id=t.user_id
INSERT
INTO
TABLE
user_tags
SELECT
CONCAT(
CAST
(u.id
AS
STRING),
CAST
(t.id
AS
STRING)), u.
name
, t.tag;
将users.id与tags.id拼接的字符串,作为新表的唯一字段id,name是用户名,tag是标签名称。
再在MySQL中创建一个对应的user_tags表,如下所示:
1
CREATE
TABLE
tag_db.user_tags (
2
id
varchar
(200)
NOT
NULL
,
3
name
varchar
(100)
NOT
NULL
,
4
tag
varchar
(100)
NOT
NULL
5
);
使用Sqoop的export工具,将Hive表user_tags的数据同步到MySQL表tag_db.user_tags中,执行如下命令行:
1
bin/sqoop
export
--connect jdbc:mysql://10.95.3.49:3306/tag_db --username shirdrn --P --table user_tags --
export
-
dir
/hive/user_tags --input-fields-terminated-by
'\001'
-- --default-character-
set
=utf-8
执行导出成功后,可以在MySQL的tag_db.user_tags表中看到对应的数据。
如果在导出的时候出现类似如下的错误:
01
14/02/27 17:59:06 INFO mapred.JobClient: Task Id : attempt_201402260008_0057_m_000001_0, Status : FAILED
02
java.io.IOException: Can't export data, please check task tracker logs
03
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:112)
04
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:39)
05
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
06
at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64)
07
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:764)
08
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:364)
09
at org.apache.hadoop.mapred.Child$4.run(Child.java:255)
10
at java.security.AccessController.doPrivileged(Native Method)
11
at javax.security.auth.Subject.doAs(Subject.java:396)
12
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1190)
13
at org.apache.hadoop.mapred.Child.main(Child.java:249)
14
Caused by: java.util.NoSuchElementException
15
at java.util.AbstractList$Itr.next(AbstractList.java:350)
16
at user_tags.__loadFromFields(user_tags.java:225)
17
at user_tags.parse(user_tags.java:174)
18
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:83)
19
... 10 more
通过指定字段分隔符选项--input-fields-terminated-by
,指定Hive中表字段之间使用的分隔符,供Sqoop读取解析,就不会报错了。
转:http://shiyanjun.cn/archives/624.html
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop-1.4.4工具import和export使用详解
- Sqoop的import和export工具的使用几种案例
- Sqoop的import和export工具常用选项
- sqoop的import与export及其脚本使用
- Sqoop export and import commands
- Sqoop 1 import/export (Mysql)
- DB2 export 和import使用
- Oracle Export/Import工具使用介绍
- Oracle Export/Import工具使用介绍
- Oracle工具使用(export,import,sql…
- ES6 模块化(Module)export和import详解
- C语言学习笔记:16_位运算
- sqoop常用命令
- redshift的约束策略
- centOS cannot mount ntfs disk
- 24、用SecureCRT来上传和下载文件(已实践)
- Sqoop-1.4.4工具import和export使用详解
- Maven 手动添加 JAR 包到本地仓库
- esclipse ant 编译错误
- MemcacheQ学习总结
- HDU 1885
- how to start and stop android service by using adb
- UI基础之----UITextFiled,UIButton,UILable
- Servlet 中文乱码问题及解决方案剖析
- 05-1. 约分最简分式(15)