关系型数据库导入导出绝招出炉

Sqoop作为数据传输的工具，对于Hadoop与传统数据库之间数据的传输起着桥梁作用，那么到底如何导入导出数据呢？

第一：使用MapReduce作业来执行导入：

（1）Sqoop首先检查将要导入的表

1、确定主键（如果有的话），调用mapreduce，根据主键分割map

2、没有主键，运行边界查询确定导入的记录数（找到一个min和一个max，确定边界进行划分）

3、通过任务数来划分边界查询的结果,使得他们有相同的负载

（2）Sqoop为每个将导入的表生成Java源文件

1、在导入过程中编译和使用文件

2、导入后依然保留，可以被安全删除

第二：使用sqoop导入整个数据库：

（1）import-all-tables工具导入整个数据库

1、存储为逗号间隔的文件

2、默认导入到HDFS的home目录

3、数据将放在每个表的子目录中

（2）使用--warehouse-dir选项指定不同的基础目录

 

第三：使用Sqoop导入单个表：

（1）import工具导入单个表

1、示例：导入accounts表

以逗号分隔的方式存储数据到HDFS

2、指定tab分隔字段

第四：增量导入

（1）  如果上次记录导入后发生了变更怎么办？

1、可以重新导入所有记录，但是效率低

（2）  Sqoop的lastmodified增量模式导入新的和修改的记录

1、基于指定的timestamp列

2、确保当记录更新或者被添加时timestamp也更新

（3）append增量模式只导入新纪录

1、基于指定列的最后一条记录

第五：使用Sqoop从Hadoop导出数据到RDBMS

（1）Sqoop的import工具把数据从RDBMS拉入到HDFS

（2）有时候也需要把HDFS的数据推回到RDBMS，当需要对大数据集进行批处理，并导出结果到RDBMS供其它系统访问

（3）Sqoop使用export工具，RDBMS表在导出前必须已存在

掌握了以上方式，对于关系型数据库的导入和导出基本有一个明确的认知和了解，其实我们在日常的学习和实践过程中要多去看看别人的分享，毕竟做技术每个人的经历与经验不一样，有时候说不准会有意向不到的收获。我自己平时喜欢关注“大数据cn”、“大数据时代学习中心”这些微信服务号，对于我个人而言，起到了很大的促进作用，也期待每一个学习大数据的人都能够有所收获！