Linux環境Sqoop安裝配置及使用

1. 認識Sqoop

(1) Sqoop介紹

• 資料遷移工具(等價於mapreduce的map階段)
• 過程：資料匯入-->處理-->資料匯出
• 作用：簡化開發
• 官網：http://sqoop.apache.org/
• 概述：Apache Sqoop是一種工具，用於在Apache Hadoop和結構化資料儲存（如關聯式資料庫）之間高效傳輸批量資料——資料遷移。

2. sqoop-1.4.7安裝配置流程

(1) Sqoop環境前提：

• Hadoop
• 關係型資料庫(MySQL/Oracle)
• HBase
• Hive
• ZooKeeper

(2) 解壓sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz安裝包到目標目錄下：

• tar -zxvf .tar.gz -C 目標目錄

(3) 為後續方便，重新命名Sqoop資料夾：

• mv sqoop-1.4.7.bin__hadoop-2.6.0/ sqoop-1.4.7

(4) 修改配置檔案：

• 進入sqoop-1.4.7/conf路徑，重新命名配置檔案：
  • mv sqoop-env-template.sh sqoop-env.sh
• 修改sqoop-env.sh資訊：(若配置了環境變數，可通過echo $XXXXX_HOME查詢安裝位置)
  • vi sqoop-env.sh

  • #Set path to where bin/hadoop is available
    export HADOOP_COMMON_HOME=Hadoop安裝路徑
    
    #Set path to where hadoop-*-core.jar is available
    #export HADOOP_MAPRED_HOME=Hadoop安裝路徑
    
    #set the path to where bin/hbase is available
    #export HBASE_HOME=HBase安裝路徑
    
    #Set the path to where bin/hive is available
    #export HIVE_HOME=Hive安裝路徑
    
    #Set the path for where zookeper config dir is
    #export ZOOCFGDIR=ZooKeeper 配置資料夾 路徑
    複製程式碼

(5) 關聯Hive：

• cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(5) 配置環境變數：

• 修改配置檔案：
  • vi /etc/profile
• 增加以下內容：
  • export SQOOP_HOME=sqoop安裝路徑
  • export PATH=$PATH:$SQOOP_HOME/bin
• 宣告環境變數：
  • source /etc/profile

(6) 啟動檢視版本號

• sqoop version

(7) 新增驅動：

• 匯入MySQL驅動到sqoop/lib下
• 匯入Oracle驅動到sqoop/lib下

3. Sqoop操作

(1) 常用引數：

• 引數檢視：Sqoop官網 -> documentation -> Sqoop User Guide
  
  
• import 匯入資料到叢集
• export 從叢集匯出資料
• create-hive-table 建立hive表
• import-all-tables 指定關係型資料庫所有表到叢集
• list-databases 列出所有資料庫
• list-tables 列出所有資料庫表
• merge 合併資料
• codegen 獲取某張表資料生成JavaBean並打Jar包

(2) import——Sqoop的匯入操作：

• 功能：MySQL/Oracle --> HDFS/Hive
• 修改MySQL訪問許可權：
  • 檢視許可權：
    • use mysql;
    • select User, Host, Password from user;
  • 修改許可權為所有使用者都可訪問：
    • update user set host='%' where host='localhost';
    • delete from user where Host='127.0.0.1';
    • delete from user where Host='bigdata01';
    • delete from user where Host='::1';
    • flush privileges;
• 操作命令：
  • 本地mysql表上傳至hdfs：
    • 匯出命令：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/資料庫名 # 連線MySQL --username root # 使用者名稱 --password XXXXXX # 密碼 --table 表名 # 上傳至HDFS的表 --target-dir /YYYYYYY # HDFS目標資料夾 --num-mappers 1 # 指定map執行 --fields-terminated-by "\t" # 指定分隔符
    • Linux本地檢視hdfs上傳結果：
      • hdfs dfs -cat /XXXXXXX/part-m-00000
    • 使用query對資料進行過濾：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/資料庫名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --fields-terminated-by "\t" --query 'select * from 表名 where 條件 and $CONDITIONS' # $CONDITIONS 對mapper進行索引
    • 直接過濾欄位：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/資料庫名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --columns 欄位名
  • 本地mysql表上傳至hive：
    • 準備工作：
      • 開啟hive服務
      • 在hive中建立好要匯入的對應表
    • 匯入命令：
      • sqoop import --connect jdbc:mysql://bigdata01:3306/資料庫名 --username root --password 密碼 --table 表名 --num-mappers 1 --hive-import --fields-terminated-by "\t" --hive-overwrite --hive-table hive資料庫名.表名
      • 在Hive中可以看到指定表中已傳入資料資訊
      • 可能報錯1：
        • ERROR tool.ImportTool: Import failed: java.io.IOException: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf
        • 報錯原因：hive環境變數配置缺失
        • 解決方法：——Hadoop環境加入Hive依賴
          • 修改配置檔案：
            • vi /etc/profile
          • 增加以下內容：
            • export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$HIVE_HOME/lib/*
          • 宣告環境變數：
            • source /etc/profile
      • 可能報錯2：
        • ERROR tool.ImportTool: Import failed: org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://bigdata01:9000/XXXXXXXXXX already exists
        • 報錯原因：hdfs中存在同名路徑
        • 解決方法：
          • 指定新路徑或者刪除hdfs中原檔案
      • 可能報錯3：
        • FAILED: SemanticException [Error 10072]: Database does not exist: XXXXXXXX
        • 報錯原因：Sqoop沒有關聯Hive
        • 解決方法：
          • cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(3) emport——Sqoop的匯出操作：

• 功能：HDFS/Hive --> MySQL/Oracle
• 操作命令：
  • hive表匯出至本地mysql：
    • 匯出命令：
      • sqoop emport --connect jdbc:mysql://bigdata01:3306/資料庫名 # 連線MySQL --username root # 使用者名稱 --password XXXXXX # 密碼 --table 表名 # 目標mysql表 --export-dir /user/hive/warehouse/YYYYYYY # hive資料夾 --num-mappers 1 # 指定map執行 --input-fields-terminated-by "\t" # 指定分隔符

(4) 列出所有資料庫：

• 操作命令：
  • sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 密碼

(5) 獲取資料庫表資料生成JavaBean：

• 操作命令：
  • sqoop codegen --connect jdbc:mysql://bigdata01:3306/資料庫名 --username root --password 密碼 --table 表名 -- bindir Linux本地路徑 # 指定Jar包打包路徑 --class-name 類名 # 指定Java類名 --fields-terminated-by "\t"

(6) 合併hdfs中不同目錄下的資料：

• 操作命令：
  • sqoop merge --new-data hdfs新表路徑 --onto hdfs舊錶路徑 --target-dir /YYYYYYY # 合併後的hdfs路徑 --jar-file = # Linux本地Jar包路徑 --class-name XXXXX # Jar包的類 --merge-key id # 合併依據
• **注意：**merge操作是一個新表替代舊錶的操作，如果有衝突id的話新表資料替換舊錶資料，如果沒有衝突則是新表資料新增到舊錶的資料。