Hadoop数据传输工具sqoop
分类： 2013-03-24 19:22 8875人阅读 (2)
目录
概述
是Apache顶级项目，主要用来在Hadoop和关系数据库中传递数据。通过sqoop，我们可以方便的将数据从关系数据库导入到HDFS，或者将数据从HDFS导出到关系数据库。
sqoop架构：
sqoop架构非常简单，其整合了Hive、Hbase和Oozie，通过map-reduce任务来传输数据，从而提供并发特性和容错。
sqoop的进一步发展可以参考：sqoop主要通过JDBC和关系数据库进行交互。理论上支持JDBC的database都可以使用sqoop和hdfs进行数据交互。
但是，只有一小部分经过sqoop官方测试，如下：Database version --direct support connect string matches
HSQLDB 1.8.0+ No jdbc:hsqldb:*//MySQL 5.0+ Yes jdbc:mysql://Oracle 10.2.0+ No jdbc:oracle:*//PostgreSQL 8.3+ Yes (import only)jdbc:postgresql://较老的版本有可能也被支持，但未经过测试。
出于性能考虑，sqoop提供不同于JDBC的快速存取数据的机制，可以通过--direct使用。以下基于sqoop-1.4.3安装
sqoop安装使用可以参考，测试work
工具
sqoop包含一系列的工具，运行sqoop help可以查看相关帮助，
$ ./sqoop helpusage: sqoop COMMAND [ARGS]Available commands: codegen Generate code to interact with database records create-hive-table Import a table definition into Hive eval Evaluate a SQL statement and display the results export Export an HDFS directory to a database table help List available commands import Import a table from a database to HDFS import-all-tables Import tables from a database to HDFS job Work with saved jobs list-databases List available databases on a server list-tables List available tables in a database merge Merge results of incremental imports metastore Run a standalone Sqoop metastore version Display version informationSee 'sqoop help COMMAND' for information on a specific command.使用工具list-tables查看表，如下：$ ./sqoop list-tables --connect jdbc:mysql://127.0.0.1/test --username root --password 123456 at1可以使用codegen生成代码，但不执行map-reduce，如下：$ ./sqoop codegen --connect jdbc:mysql://127.0.0.1/test --username root --password 123456 --table a --class-name zxm_sqoop ......13/03/21 21:02:01 INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-work/compile/29864e3980ab5630b699e8e1e2145369/zxm_sqoop.jar此处相关代码和java包可在 /tmp/sqoop-work/compile/29864e3980ab5630b699e8e1e2145369/找到Import
sqoop 数据导入具有以下特点：
1.支持文本文件(--as-textfile)、avro(--as-avrodatafile)、SequenceFiles(--as-sequencefile)。 RCFILE暂未支持，默认为文本2.支持数据追加，通过--apend指定3.支持table列选取（--column），支持数据选取（--where），和--table一起使用4.支持数据选取，例如读入多表join后的数据'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) ‘，不可以和--table同时使用5.支持map数定制(-m)6.支持压缩(--compress)7.支持将关系数据库中的数据导入到Hive(--hive-import)、HBase(--hbase-table) 数据导入Hive分三步：1）导入数据到HDFS 2）Hive建表 3）使用“LOAD DATA INPAHT”将数据LOAD到表中 数据导入HBase分二部：1）导入数据到HDFS 2）调用HBase put操作逐行将数据写入表* 示例：mysql文件内容：mysql> select * from a; +------+--------+| key1 | value1 |+------+--------+| 1 | a1 || 2 | a2 || 3 | a3 || 4 | a4 || 5 | a5 || 6 | a6 || 7 | a7 || 8 | a8 || 9 | a9 |+------+--------+编写文件a.conf，内容：
[html]
import
--append
-m
3
--connect
jdbc:mysql://127.0.0.1/test
--username
root
--password
123456
--table
a
--target-dir
/tmp/a
--columns
key1
--where
'key1>3'
运行：
$ ./sqoop --options-file a.conf 查看输出：$ hadoop fs -ls /tmp/a/ Found 3 items-rw-r--r-- 1 work supergroup 4 2013-03-21 23:08 /tmp/a/part-m-00000-rw-r--r-- 1 work supergroup 4 2013-03-21 23:08 /tmp/a/part-m-00001-rw-r--r-- 1 work supergroup 4 2013-03-21 23:08 /tmp/a/part-m-00002 ==》3个文件对应3个mapper$ hadoop fs -cat /tmp/a/*456789Export
sqoop export 能将HDFS上的文件导出到关系数据库。其工作原理是根据用户指定的分隔符(字段分隔符：--fields-terminated-by)读入并解析数据，然后转换成insert/update语句导入数据到关系数据库。
其具有以下特点：
1. 支持将数据导出到表(--table)或者调用存储过程(--call)2. 支持insert、update模式
3. 支持并发控制（-m）实例：$ hadoop fs -cat /tmp/b/*1,a2,b3,c$ ./sqoop export --connect jdbc:mysql://127.0.0.1/test --table b -username root -password 123456 --export-dir /tmp/bmysql> select * from b; +------+--------+| key1 | value1 |+------+--------+| 1 | a || 2 | b || 3 | c |+------+--------+出了上述提到的工具外，sqoop还提供了一些有意思的工具，例如sqoop job，有兴趣的同学可以研究下其它：
1. 通过使用map-reduce，sqoop提供了良好的并发性和容错，可以作为异构数据库同步工具。
2. Sqoop虽然支持Hive、HBase，但并不完整，某些场景下数据传输后的加工不可避免3. 大数据传输，也许可以使用--direct