sqoop2:从mysql导出数据到hdfs

2017-04-10 455

sqoop2:从mysql导出数据到hdfs中

sqoop－shell

启动sqoopp-shell

jjzhu:bin didi$ sqoop2-shell 
Setting conf dir: /opt/sqoop-1.99.7/bin/../conf
Sqoop home directory: /opt/sqoop-1.99.7
Sqoop Shell: Type 'help' or '\h' for help.

sqoop:000> set server --host localhost --port 12000 --webapp sqoop
Server is set successfully
sqoop:000> show version --all
client version:
  Sqoop 1.99.7 source revision 435d5e61b922a32d7bce567fe5fb1a9c0d9b1bbb 
  Compiled by abefine on Tue Jul 19 16:08:27 PDT 2016
0    [main] WARN  org.apache.hadoop.util.NativeCodeLoader  - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
server version:
  Sqoop 1.99.7 source revision 435d5e61b922a32d7bce567fe5fb1a9c0d9b1bbb 
  Compiled by abefine on Tue Jul 19 16:08:27 PDT 2016
API versions:
  [v1]
sqoop:000>

配置sqoop server

sqoop:000> set server --host localhost --port 12000 --webapp sqoop
Server is set successfully

查看server连接是否可用

sqoop:000> show version --all
client version:
  Sqoop 1.99.7 source revision 435d5e61b922a32d7bce567fe5fb1a9c0d9b1bbb 
  Compiled by abefine on Tue Jul 19 16:08:27 PDT 2016
0    [main] WARN  org.apache.hadoop.util.NativeCodeLoader  - Unable to load native-hadoop library for your platform... using builtin-java classes where applicable
server version:
  Sqoop 1.99.7 source revision 435d5e61b922a32d7bce567fe5fb1a9c0d9b1bbb 
  Compiled by abefine on Tue Jul 19 16:08:27 PDT 2016
API versions:
  [v1]
sqoop:000>

创建链接

查看sqoop server上可用的链接

sqoop:000> show connector
+------------------------+---------+------------------------------------------------------------+----------------------+
|          Name          | Version |                           Class                            | Supported Directions |
+------------------------+---------+------------------------------------------------------------+----------------------+
| generic-jdbc-connector | 1.99.7  | org.apache.sqoop.connector.jdbc.GenericJdbcConnector       | FROM/TO              |
| kite-connector         | 1.99.7  | org.apache.sqoop.connector.kite.KiteConnector              | FROM/TO              |
| oracle-jdbc-connector  | 1.99.7  | org.apache.sqoop.connector.jdbc.oracle.OracleJdbcConnector | FROM/TO              |
| ftp-connector          | 1.99.7  | org.apache.sqoop.connector.ftp.FtpConnector                | TO                   |
| hdfs-connector         | 1.99.7  | org.apache.sqoop.connector.hdfs.HdfsConnector              | FROM/TO              |
| kafka-connector        | 1.99.7  | org.apache.sqoop.connector.kafka.KafkaConnector            | TO                   |
| sftp-connector         | 1.99.7  | org.apache.sqoop.connector.sftp.SftpConnector              | TO                   |
+------------------------+---------+------------------------------------------------------------+----------------------+
sqoop:000>

generic-jdbc-connector
依赖于java JDBC的connector，可以作为数据导入的数据源和目标源
hdfs-connector
以hdfs作为数据源或者目标源的connector

用如下命令创建一个generic-jdbc-connector的链接

sqoop:002> create link -c generic-jdbc-connector
Creating link for connector with name generic-jdbc-connector
Please fill following values to create new link object
Name: mysql_weibouser_link

Database connection

Driver class: com.mysql.jdbc.Driver
Connection String: jdbc:mysql://127.0.0.1:3306/spider
Username: root
Password: ****
Fetch Size: 
Connection Properties: 
There are currently 0 values in the map:
entry# protocol=tcp
There are currently 1 values in the map:
protocol = tcp
entry# 

SQL Dialect

Identifier enclose:  **注意  这里不能直接回车！要打一个空格符号！因为如果不打，查询mysql表的时候会在表上加上“”，导致查询出错！
**
New link was successfully created with validation status OK and name mysql_weibouser_link

创建hdfs link

sqoop:002> create link -c hdfs-connector
Creating link for connector with name hdfs-connector
Please fill following values to create new link object
Name: hdfs_weibouser_link

HDFS cluster

URI: hdfs://localhost:9000
Conf directory: /opt/hadoop-2.7.3/etc/hadoop
Additional configs:: 
There are currently 0 values in the map:
entry# 
New link was successfully created with validation status OK and name hdfs_weibouser_link

查看link

sqoop:002> show link
+----------------------+------------------------+---------+
|         Name         |     Connector Name     | Enabled |
+----------------------+------------------------+---------+
| mysql_weibouser      | generic-jdbc-connector | true    |
| mysql_weibouser_link | generic-jdbc-connector | true    |
| hdfs_link            | hdfs-connector         | true    |
| hdfs_link2           | hdfs-connector         | true    |
| hdfs_weibouser_link  | hdfs-connector         | true    |
+----------------------+------------------------+---------+

创建job

sqoop:002> create job -f "mysql_weibouser_link" -t "hdfs_weibouser_link"
Creating job for links with from name mysql_weibouser_link and to name hdfs_weibouser_link
Please fill following values to create new job object
Name: job_weibouser

Database source

Schema name: spider
Table name: spiders_weibouser
SQL statement: 
Column names: 
There are currently 0 values in the list:
element# 
Partition column: 
Partition column nullable: 
Boundary query: 

Incremental read

Check column: 
Last value: 

Target configuration

Override null value: 
Null value: 
File format: 
  0 : TEXT_FILE
  1 : SEQUENCE_FILE
  2 : PARQUET_FILE
Choose: 0
Compression codec: 
  0 : NONE
  1 : DEFAULT
  2 : DEFLATE
  3 : GZIP
  4 : BZIP2
  5 : LZO
  6 : LZ4
  7 : SNAPPY
  8 : CUSTOM
Choose: 0
Custom codec: 
Output directory: hdfs://localhost:9000/usr/jjzhu/spider/spiders_weibouser
Append mode: 

Throttling resources

Extractors: 2
Loaders: 2

Classpath configuration

Extra mapper jars: 
There are currently 0 values in the list:
element# 
New job was successfully created with validation status OK  and name job_weibouser

各参数意义：

以下是各个属性
Name：一个标示符，自己指定即可。
Schema Name：指定Database或Schema的名字，在MySQL中，Schema同Database类似，具体什么区别没有深究过，但官网描述在创建时差不多。。
Table Name：自己指定导出的表。
SQL Statement：就是sql查询语句，文档上说需要指定一个$condition，但我一直没有创建成功，貌似是一个条件子句。
配置完以上几项，又回出现element#提示符，提示输入一些hash值，直接回车过。
Partition column:
Partition column nullable:
Boundary query
Last value
后面需要配置数据目的地各项值：
Null alue：大概说的是如果有空值用什么覆盖
File format：指定在HDFS中的数据文件是什么文件格式，这里使用TEXT_FILE，即最简单的文本文件。
Compression codec：用于指定使用什么压缩算法进行导出数据文件压缩，我指定NONE，这个也可以使用自定义的压缩算法CUSTOM，用Java实现相应的接口。
Custom codec：这个就是指定的custom压缩算法，本例选择NONE，所以直接回车过去。
Output directory：指定存储在HDFS文件系统中的路径，这里最好指定一个存在的路径，或者存在但路劲下是空的，貌似这样才能成功。
Append mode：用于指定是否是在已存在导出文件的情况下将新数据追加到数据文件中。
Extractors：2
Loaders：2
最后再次出现element#提示符，用于输入extra mapper jars的属性，可以什么都不写。直接回车。

至此若出现successful则证明已经成功创建。

查看创建的job

sqoop:002> show job
+----+---------------+-----------------------------------------------+--------------------------------------+---------+
| Id |     Name      |                From Connector                 |             To Connector             | Enabled |
+----+---------------+-----------------------------------------------+--------------------------------------+---------+
| 1  | spider_job    | mysql_weibouser (generic-jdbc-connector)      | hdfs_link (hdfs-connector)           | true    |
| 2  | job_weibouser | mysql_weibouser_link (generic-jdbc-connector) | hdfs_weibouser_link (hdfs-connector) | true    |
+----+---------------+-----------------------------------------------+--------------------------------------+---------+
sqoop:002>

启动job

start job -n job_weibouser
sqoop:002> start job -n job_weibouser
Submission details
Job Name: job_weibouser
Server URL: http://localhost:12000/sqoop/
Created by: didi
Creation date: 2017-04-11 14:37:46 CST
Lastly updated by: didi
External ID: job_1491888730134_0003
    http://jjzhu:8088/proxy/application_1491888730134_0003/
2017-04-11 14:37:46 CST: BOOTING  - Progress is not available

查看job运行状态

sqoop:002> status job -n job_weibouser
Submission details
Job Name: job_weibouser
Server URL: http://localhost:12000/sqoop/
Created by: didi
Creation date: 2017-04-11 14:37:46 CST
Lastly updated by: didi
External ID: job_1491888730134_0003
    http://jjzhu:8088/proxy/application_1491888730134_0003/
2017-04-11 14:38:41 CST: SUCCEEDED 
Counters:
    org.apache.hadoop.mapreduce.FileSystemCounter
        FILE_LARGE_READ_OPS: 0
        FILE_WRITE_OPS: 0
        HDFS_READ_OPS: 2
        HDFS_BYTES_READ: 290
        HDFS_LARGE_READ_OPS: 0
        FILE_READ_OPS: 0
        FILE_BYTES_WRITTEN: 51361466
        FILE_BYTES_READ: 25115854
        HDFS_WRITE_OPS: 2
        HDFS_BYTES_WRITTEN: 24652721
    org.apache.hadoop.mapreduce.lib.output.FileOutputFormatCounter
        BYTES_WRITTEN: 0
    org.apache.hadoop.mapreduce.lib.input.FileInputFormatCounter
        BYTES_READ: 0
    org.apache.hadoop.mapreduce.JobCounter
        TOTAL_LAUNCHED_MAPS: 2
        VCORES_MILLIS_REDUCES: 20225
        MB_MILLIS_MAPS: 27120640
        TOTAL_LAUNCHED_REDUCES: 2
        SLOTS_MILLIS_REDUCES: 20225
        VCORES_MILLIS_MAPS: 26485
        MB_MILLIS_REDUCES: 20710400
        SLOTS_MILLIS_MAPS: 26485
        MILLIS_REDUCES: 20225
        OTHER_LOCAL_MAPS: 2
        MILLIS_MAPS: 26485
    org.apache.sqoop.submission.counter.SqoopCounters
        ROWS_READ: 109408
        ROWS_WRITTEN: 109408
    org.apache.hadoop.mapreduce.TaskCounter
        MAP_OUTPUT_MATERIALIZED_BYTES: 25115866
        REDUCE_INPUT_RECORDS: 109408
        SPILLED_RECORDS: 218816
        MERGED_MAP_OUTPUTS: 4
        VIRTUAL_MEMORY_BYTES: 0
        MAP_INPUT_RECORDS: 0
        SPLIT_RAW_BYTES: 290
        FAILED_SHUFFLE: 0
        MAP_OUTPUT_BYTES: 24762129
        REDUCE_SHUFFLE_BYTES: 25115866
        PHYSICAL_MEMORY_BYTES: 0
        GC_TIME_MILLIS: 1648
        REDUCE_INPUT_GROUPS: 109408
        COMBINE_OUTPUT_RECORDS: 0
        SHUFFLED_MAPS: 4
        REDUCE_OUTPUT_RECORDS: 109408
        MAP_OUTPUT_RECORDS: 109408
        COMBINE_INPUT_RECORDS: 0
        CPU_MILLISECONDS: 0
        COMMITTED_HEAP_BYTES: 1951399936
    Shuffle Errors
        CONNECTION: 0
        WRONG_LENGTH: 0
        BAD_ID: 0
        WRONG_MAP: 0
        WRONG_REDUCE: 0
        IO_ERROR: 0
Job executed successfully

查看hdfs的相关路径，看是否有输出文件

jjzhu:~ didi$ hdfs dfs -ls /usr/jjzhu/spider
Found 4 items
drwxr-xr-x   - didi supergroup          0 2017-04-11 14:38 /usr/jjzhu/spider/spiders_weibouser
drwxr-xr-x   - 777  supergroup          0 2017-04-11 10:58 /usr/jjzhu/spider/weibouser
drwxr-xr-x   - 777  supergroup          0 2017-04-11 13:33 /usr/jjzhu/spider/weobouser
drwxr-xr-x   - didi supergroup          0 2017-04-11 13:39 /usr/jjzhu/spider/weobouser2
jjzhu:~ didi$ hdfs dfs -ls /usr/jjzhu/spider/spiders_weibouser
Found 2 items
-rw-r--r--   1 didi supergroup   12262783 2017-04-11 14:38 /usr/jjzhu/spider/spiders_weibouser/33b56441-b638-48cc-8d0d-37a808f25653.txt
-rw-r--r--   1 didi supergroup   12389938 2017-04-11 14:38 /usr/jjzhu/spider/spiders_weibouser/73b20d50-de72-4aea-8c8c-d97cdc48e667.txt

也可以访问hdfs的webui进行查看http://localhost:50070/

注意事项

定位问题一定要查看日志，sqoop的日志输出在sqoop.properties 配的路径sqoop.log

在配置hdfs文件路径的时候，确保有写权限
通过如下命令修改hdfs下文件的权限

hdfs dfs -chown -R 777 HDFS_PATH

RemoteException：User: xxx is not allowed to impersonate xxx

代理问题，确保hadoop的core-site.xml的xxx有代理

    <!--把XXX改成自己的用户 -->
    <property>
          <name>hadoop.proxyuser.XXX.hosts</name>
          <value>*</value>
    </property>
    <property>
          <name>hadoop.proxyuser.XXX.groups</name>
          <value>*</value>
    </property>

开启sqoop的详细异常日志

sqoop:000> set option --name verbose --value true

status job -n jobname时报错：java.net.ConnectException: Call From xxx.xxx.xxx.xxx to 0.0.0.0:10020 failed on connection exception: java.net.ConnectException: Connection refuse

这个问题一般是在hadoop2.x版本里会出现，Hadoop的datanode需要访问namenode的jobhistory server,如果没有修改，则默认为0.0.0.0:10020，则可以修改mapred-site.xml文件

<property>
        <name>mapreduce.jobhistory.address</name>
               <!-- 配置实际的Master主机名和端口-->
            <value>localhost:10020</value>
    </property>
    <property>
            <name>mapreduce.jobhistory.webapp.address</name>
               <!-- 配置实际的Master主机名和端口-->
            <value>localhost:19888</value>
    </property>

启动jobhistory

$HADOOP_HOME/sbin/mr-jobhistory-daemon.sh start historyserver

Error: Java heap space Container killed by the ApplicationMaster. Container killed on request. Exit code is 143.

确保mapredce有足够的java内存，可以在mapreduce-site.xml中配置

    <property>
        <name>mapreduce.map.java.opts</name>
         <value>-Xmx1024m</value>        
     </property>  
     <property>
        <name>mapreduce.reduce.java.opts</name>
         <value>-Xmx1024m</value>        
     </property>

Exception has occurred during processing command
Exception: org.apache.sqoop.common.SqoopException Message: GENERIC_JDBC_CONNECTOR_0016:Can't fetch schema -

解决：在创建mysql链接时，Identifier enclose：指定SQL中标识符的定界符，也就是说，有的SQL标示符是一个引号：select * from "table_name"，这种定界符在MySQL中是会报错的。这个属性默认值就是双引号，使用空格覆盖这个值。

参考: http://www.cnblogs.com/avivaye/p/6197123.html

微信关注我们

原文链接：https://yq.aliyun.com/articles/73582

转载内容版权归作者及来源网站所有！

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。

袋鼠云助力光伏产业 | 基于阿里云数加平台做算法预测

随着大数据技术的蓬勃发展，现在关于大数据技术在各行各业的实践也如火如荼。那么当大数据技术遇到光伏行业会产生何样的化学反应呢？下面就和大家一起分享一下袋鼠云是如何使用阿里云数加平台和机器学习平台助力光伏行业的。说明：为保护客户数据隐私，本文未透露客户名称，并将相关数据进行了马赛克处理。 01光伏大数据实践简介一光伏行业为什么适合大数据技术原因有二：光伏行业涉及的数据面很“广”；光伏行业涉及的数据量很“多”。从狭义上来看：光伏行业拥有各个电站实时采集的光伏发电数据以及周边环境数据从广义上来看：光伏数据除了光伏电站全生命周期（规划及设计、建造及验收、监测及控制、运维及管理、资产评估及交易）的所有数据外，太阳辐射数据、气象数据、地理数据以及一些购电协议等相关业务数据，也包括其中。二光伏大数据应用的价值 1. 电力调度国家能源局下

2017-04-09

828

看过Tom White写的Hadoop权威指南(大象书)的朋友一定得从第一个天气预报的Map Reduce程序所吸引，殊不知，Tom White大牛虽然在书中写了程序和讲解了原理，但是他以为你们都会部署了，这里轻描淡写给带过了，这样就给菜鸟们留了课题，其实在跑书中的程序的时候，如果没经验，还是会踩坑的。这里笔者就把踩过的坑说一下，以防后来人浪费时间了。 1. 首先，你得下载书中的ncdc气象原始数据，这个可以从书中的官网下载。作者比较做人家，只给了2年的历史数据，无妨，2年也可以运行。下载下来你会看到1901.gz，1902.gz 2. 然后我们可以开始我们的编码之旅了新建一个maven项目，然后按照书中的例子，编写如下3个类(这里Mapper, Reducer, Job的原理我就不多解释了，自己去看大牛的书去) MaxTemperatureMapper.java package org.genesis.hadoop.temperature; import org.apache.hadoop.io.IntWritable; import org.apache.hadoop...

2017-04-10

554

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。