sqoop 把 hdfs 和关系型数据库 (mysql等)互导
简介 Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具,可以将一个关系型数据库(例如 :MySQL ,Oracle ,Postgres等)中的数据导入到Hadoop的HDFS中,也可以将HDFS的数据导入到关系型数据库中。 http://sqoop.apache.org/ 导出导入的数据与字段的顺序进行匹配 从HDFS转换回mysql 的时候,自动增长的主键字段处,可以留空 环境 当调试过程出现IncompatibleClassChangeError一般都是版本兼容问题。 为了保证hadoop和sqoop版本的兼容性,使用Cloudera, Cloudera简介: Cloudera为了让Hadoop的配置标准化,可以帮助企业安装,配置,运行hadoop以达到大规模企业数据的处理和分析。 http://www.cloudera.com/content/cloudera-content/cloudera-docs/CDHTarballs/3.25.2013/CDH4-Downloadable-Tarballs/CDH4-Downloadable-Tarballs.html 下载安装hadoop-0.20.2-cdh3u6,sqoop-1.3.0-cdh3u6。 目的 将mysql数据转换为hadoop文件,从而可以使用map/reduce进行大数据的分析,然后再将分析结果转换回mysql,供业务查询调用。 安装 安装比较简单,直接解压即可 唯一需要做的就是将mysql的jdbc适配包mysql-connector-java-5.0.7-bin.jar copy到$SQOOP_HOME/lib下。 配置好环境变量:/etc/profile export SQOOP_HOME=/home/hadoop/sqoop-1.3.0-cdh3u6/ export PATH=$SQOOP_HOME/bin:$PATH MYSQL转HDFS-示例 ./sqoop import --connect jdbc:mysql://10.8.210.166:3306/recsys --username root --password root --table shop -m 1 --target-dir /user/recsys/input/shop/$today 输出数据: ./hadoop fs -cat /user/recsys/input/shop/2013-05-07/* 生成的hdfs数据 287,516809,0,0,6,25,45.78692,126.65384 288,523944,0,0,29,6,120.26087,30.17264 ------------------------------------------------------- HDFS转MYSQ-示例 ./sqoop export --connect jdbc:mysql://10.8.210.166:3306/recsys --username root --password root --table shopassoc --fields-terminated-by ',' --export-dir /user/recsys/output/shop/$today 输入数据: ./hadoop fs -cat /user/recsys/output/shop/2013-05-07/* Hdfs原始数据 null,857207,729974,947.0818,29,2013-05-08 10:22:29 null,857207,524022,1154.2603,29,2013-05-08 10:22:29 -------------------------------------------------------------------------- 技巧 导出导入的数据与字段的顺序进行匹配 从HDFS转换回mysql 的时候,自动增长的主键字段处,可以留空 示例参数说明 参数类型 参数名 解释 公共 connect Jdbc-url 公共 username --- 公共 password --- 公共 table 表名 Import target-dir 制定输出hdfs目录,默认输出到/user/$loginName/ export fields-terminated-by Hdfs文件中的字段分割符,默认是“\t” export export-dir hdfs文件的路径 导出大数据的拆分: m 使用多少个并行导入,默认是1,未开启,数据量大的话会自动根据主键ID进行拆分 split-by 使用于没有主键的表的拆分,指定拆分的字段,拆分的原则是分布要广泛(自动拆分) Where 同时可以手动执行多次,通过where条件进行手动拆分 参数 解释 Job 定时作业,个人觉得没啥意义,通常我更相信crontab eval 执行sql,远程进行一些操作,但是经过测试发现不支持 delete create-hive-table 复制某一个数据源的数据存储到hive