Sqoop相关

# sqoop安装

1. 常规步骤(安装在一台节点上即可)

由于sqoop2配置相对比较麻烦，此次使用的是sqoop1进行演示。

上传sqoop-1.4.4.bin_hadoop-2.0.4-alpha.tar.gz文件至/hadoop目录下，解压并重命名为sqoop-1.4.4，配置/etc/profile文件并source刷新。

2. 配置驱动

将数据库连接驱动 mysql-connector-5.1.8.jar 拷贝到$SQOOP_HOME/lib里。

3. 一些解释

注意：如果是集群环境，则sqoop可以安装在任意一台节点上就可以。如果此节点已经指定了RM和NN的位置，则可以直接运行sqoop。

## Name Node在文件 core-site.xml 和 hdfs-site.xml 中指定。
## Resource Manage在文件 yarn-site.xml 中指定。

子节点为什么知道在上述三个文件中寻找NM和NN的位置？这是因为sqoop会读取 $HADOOP_HOME 的值。

sqoop也是将自己的指令转化成MR执行，不过它只有Mapper阶段。
sqoop执行结果产生的是part-m-00000文件，这是因为只有map阶段，生成的是map阶段的结果文件。
sqoop转换结果文件默认是以 ”,“ 作为分隔符。

# 导入到hdfs

sqoop import --connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123 --table goods --target-dir '/sqoop' --fields-terminated-by ' ' –m 1

sqoop //sqoop命令

Import //表示导入

--connect jdbc:mysql://192.168.8.100:3306/test //告诉jdbc，连接MySQL的url，即test数据库。3306是MySQL默认监听端口，192.168.8.100是MySQL的IP

--username root //连接root的用户名

--password 123 //连接root的密码

--table goods //从goods导出的表名称

--fields-terminated-by '	' //指定输出文件中的行的字段分隔符

--null-string '**' //NULL值转化成”**”保存，默认是NULL

-m 1 //使用1个map作业，则产生一个结果文件。默认是4个

--append //追加数据到hdfs源文件中

--target-dir '/sqoop' //结果保存在 “/sqoop/” 文件夹中，直接在文件夹下输出结果文件。如果不使用该选项，意味着复制到默认目录“/user/root/”文件夹下，并产生“/test/goods/”目录，并在此目录之下输出结果文件prat-m-00000

# 使用案例

导入指定的列 --column

sqoop import --connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123  --table goods --columns 'id, account, income, expenses'

指定输出路径、指定数据分隔符

sqoop import --connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123  --table goods --target-dir '/sqoop' --fields-terminated-by '	'

指定Map数量 -m

sqoop import --connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123  --table goods --target-dir '/sqoop' --fields-terminated-by '	' -m 2

增加where条件, (条件必须用引号引起来)

sqoop import --connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123  --table goods --where 'id>3' --target-dir '/sqoop'

增加query语句, (使用将语句换行)

sqoop import --connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123 
--query 'SELECT * FROM goods where id > 2 AND $CONDITIONS' --split-by goods.id --target-dir '/sqoop'

注意：如果使用 --query 这个命令的时候，需要注意的是where后面的参数，AND $CONDITIONS这个参数必须加上，而且存在单引号与双引号的区别，如果--query后面使用的是双引号，那么需要在 $CONDITIONS 前加上 (转义符) 即 $CONDITIONS。如果设置map数量为1个时即-m 1，不用加上--split-by ${tablename.column}，否则需要加上【表示不同的mapper任务，分割整体数据的依据，此处为good.id来分割数据】

#导出数据(不要忘记指定分隔符)

sqoop export --connect jdbc:mysql://192.168.8.101:3306/test --username root --password 123 --export-dir '/td3' --table td_bak -m 1 --fields-terminated-by ','

注意：sqoop导出到mysql，源文件是文件夹，而不是文件。
还有一点就是导出到mysql，这个指令可以重复执行，即，mysql数据重复增加。
相对而言，导入hdfs操作则只能执行一次，不然会报错。

如果在导入hdfs指令后面加上 –append 则会在同一目录下生成一相同文件，不能满足只导出增量部分的要求

# 增量导入

sqoop import -connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123 --table goods -m 1 --fields-terminated-by '	' --target-dir '/sqoop' --append --check-column 'goods_id' --incremental append --last-value 32

说明：
--append //表示追加写入hdfs。没有此命令，则报目录已存在的错误

--check-column ‘goods_id’ //表示判断依据为”goods_id”这一列

--incremental append //如果有增量则追加写入操作

--last-value 32 //判断依据为上一次的”goods_id”的值 32

如果mysql中的数据确实有增加，使用上述命令则会产生一个新的文件，文件中保存增加的数据。

# sqoop job

sqoop job --create myjob -- import -connect jdbc:mysql://192.168.8.100:3306/test --username root --password 123 --table goods -m 1 --fields-terminated-by '	' --target-dir '/sqoop' --append --check-column 'goods_id' --incremental append --last-value 32

使用命令sqoop job --list查看可使用的sqoop job.
使用命令 sqoop job --exec myjob来执行job脚本

此处要输入一次mysql用户root的密码，然后就可以自动执行job脚本了。

现在配置如何不用输入密码，直接执行job脚本：

在”/hadoop/sqoop-1.4.4/conf/sqoop-site-xml”文件中，打开是否允许保存密码的属性，即去掉圈中的部分。

这样还是不可以自动执行的，必须得先把原有的job删掉，然后重新创建一个新的job，才能满足需求，然后就可以自动执行了。

# Sqoop 事务

sqoop导入导出的事务是以Mapper任务为单位。启动了4个Mapper任务，则就表示有4个事务。

# 导入到Hbase

sqoop import --connect jdbc:mysql://mysqlserver_IP/databaseName –table datatable --hbase-create-table --hbase-table hbase_tablename --column-family col_fam_name --hbase-row-key key_col_name

说明：
--hbase-create-table //导出到hbase上，如果没有目标表，则创建新表

--hbase-table hbase_tablename //指出要保存到hbase上的表名字

--column-family col_fam_name //col_fam_name是除rowkey之外的所有列的列族名

--hbase-row-key key_col_name //key_col_name指出datatable中哪一列作为hbase新表的Row Key

# 从Oracle导入数据

sqoop从oracle导入，需要有ojdbc6.jar，放在$SQOOP_HOME/lib里，不用添加到classpath里，因为sqoop会自己遍历lib文件夹并添加里面的所有jar包
--connect与mysql的不一样，如下（shell脚本中的主要部分）
#Oracle的连接字符串，其中包含了Oracle的地址，SID，和端口：CONNECTURL=jdbc:oracle:thin:@172.7.10.16:1521:orcl
#使用的用户名：ORACLENAME=scott
#使用的密码：ORACLEPASSWORD=wang123456
#需要从Oracle中导入的表名：oralceTableName=test
#需要从Oracle中导入的表中的字段名：columns=ID,STATE
#将Oracle中的数据导入到HDFS后的存放路径：hdfsPath=/tmp/
#完整的命令：

sqoop import --append --connect $CONNECTURL --username $ORACLENAME --password $ORACLEPASSWORD --m 1 --table $oralceTableName –columns $columns --hbase-create-table --hbase-table or1 --hbase-row-key STATE --column-family or1