转载sqoop
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。
import和export工具有些通用的选项，如下表所示：
| 选项 | 含义说明 |
|---|---|
| –connect | 指定JDBC连接字符串 |
| –connection-manager | 指定要使用的连接管理器类 |
| –driver | 指定要使用的JDBC驱动类 |
| –hadoop-mapred-home
|
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 |
| -P | 从控制台读取输入的密码 |
| –password | 设置认证密码 |
| –username | 设置认证用户名 |
| –verbose | 打印详细的运行信息 |
| –connection-param-file | 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 | $1 |
| –as-textfile | 将数据导入到普通文本文件（默认） |
| –boundary-query | 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 | 分割输入stream的字节大小（在直接导入模式下） |
| –fetch-size | 从数据库中批量读取记录数 |
| –inline-lob-limit | 设置内联的LOB对象的大小 |
| -m,–num-mappers | 使用n个map任务并行导入数据 |
| -e,–query | 导入的查询语句 |
| –split-by | 指定按照哪个列去分割数据 |
| –table | 导入的源表表名 |
| –target-dir
|
导入HDFS的目标路径 |
| –warehouse-dir
|
HDFS存放表的根路径 |
| –where | 指定导出时所使用的查询条件 |
| -z,–compress | 启用压缩 |
| –compression-codec | 指定Hadoop的codec方式（默认gzip） |
| –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 | 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 |
1：sqoop查看mysql有多少个数据库
bin/sqoop list-databases
–connect jdbc:mysql://172.16.71.27:3306
–username root
–password root
2：将mysql表中数据导入到hdfs中 imports
bin/sqoop import
–connect jdbc:mysql://172.16.71.27:3306/babasport
–username root
–password root
–table test_tb
ps：如果没有指定hdfs的目录 默认会将数据存到系统当前登录用户下 以表名称命名的文件夹下
导入数据至指定hdfs目录
bin/sqoop import
–connect jdbc:mysql://hadoop-senior.ibeifeng.com:3306/test
–username root
–password 123456
–table my_user
–target-dir /user/beifeng/sqoop/imp_my_user
–num-mappers 1
ps： num-mappers 1 指定执行MapReduce的个数为1
target-dir 指定hdfs的目录
sqoop 底层的实现就是MapReduce,import来说，仅仅运行Map Task
数据存储文件
- textfile
- orcfile
- parquet
将数据按照parquet文件格式导出到hdfs指定目录
bin/sqoop import
–connect jdbc:mysql://172.16.71.27:3306/babasport
–username root
–password root
–table test_tb
–target-dir /user/xuyou/sqoop/imp_my_user_parquet
–fields-terminated-by ‘@’
–num-mappers 1
–as-parquetfile
ps fields-terminated-by ‘@’ 数据已@隔开
as-parquetfile 数据按照parquet文件格式存储
columns id,name 这个属性 可以只导入id已经name 这两个列的值
- 在实际的项目中，要处理的数据，需要进行初步清洗和过滤
- 某些字段过滤
- 条件
- join
bin/sqoop import
–connect jdbc:mysql://hadoop-senior.ibeifeng.com:3306/test
–username root
–password 123456
–query ‘select id, account from my_user where $CONDITIONS’
–target-dir /user/beifeng/sqoop/imp_my_user_query
–num-mappers 1
ps： query 这个属性代替了 table 可以通过用sql 语句来导出数据
（where $CONDITIONS’ 是固定写法 如果需要条件查询可以 select id, account from my_user where $CONDITIONS’ and id > 1）
压缩导入至hdfs的数据 可以指定格式
bin/sqoop import
–connect jdbc:mysql://hadoop-senior.ibeifeng.com:3306/test
–username root
–password 123456
–table my_user
–target-dir /user/beifeng/sqoop/imp_my_sannpy
–delete-target-dir
–num-mappers 1
–compress
–compression-codec org.apache.hadoop.io.compress.SnappyCodec
–fields-terminated-by ‘\t’
ps：compress 这个属性 是 开启压缩功能
compression-codec 这个属性是 指定压缩的压缩码 本次是SnappyCodec