sqoop导入数据到mysql原理_sqoop的详细使用及原理

1、sqoop简介

sqoop是一个用来将hadoop中hdfs和关系型数据库中的数据相互迁移的工具，可以将一个关系型数据库(mysql、oracle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。

2、sqoop的特点：

sqoop的底层实现是mapreduce，所以sqoop依赖于hadoop,数据是并行导入的。

3、sqoop的安装和配置

1)安装：

解压缩sqoop-1.4.3.bin__hadoop-1.0.0.tar.gz，修改/etc/profile 将sqoop_home加入其中

因为要链接数据库，所以要将数据库的驱动jar包拷贝到sqoop的lib文件夹子下

2)配置：

重命名配置文件

mv sqoop-env-template.sh sqoop-env.sh

修改文件内容(也可以不修改)：

#Set path to where bin/hadoop is available

export HADOOP_COMMON_HOME=/usr/local/hadoop/

#Set path to where hadoop-*-core.jar is available

export HADOOP_MAPRED_HOME=/usr/local/hadoop

#set the path to where bin/hbase is available

export HBASE_HOME=/usr/local/hbase

#Set the path to where bin/hive is available

export HIVE_HOME=/usr/local/hive

#Set the path for where zookeper config dir is

export ZOOCFGDIR=/usr/local/zk

4.sqoop的使用：

第一类：数据库中的数据导入到HDFS上

sqoop import –connect jdbc:mysql://192.168.1.10:3306/itcast –username root –password 123

–table trade_detail –columns ‘id, account, income, expenses’

指定输出路径、指定数据分隔符

sqoop import –connect jdbc:mysql://192.168.1.10:3306/itcast –username root –password 123

–table trade_detail –target-dir ‘/sqoop/td’ –fields-terminated-by ‘\t’

指定Map数量 -m

sqoop import –connect jdbc:mysql://192.168.1.10:3306/itcast –username root –password 123

–table trade_detail –target-dir ‘/sqoop/td1’ –fields-terminated-by ‘\t’ -m 2

增加where条件, 注意：条件必须用引号引起来

sqoop import –connect jdbc:mysql://192.168.1.10:3306/itcast –username root –password 123

–table trade_detail –where ‘id>3’ –target-dir ‘/sqoop/td2’

增加query语句(使用 \ 将语句换行)

sqoop import –connect jdbc:mysql://192.168.1.10:3306/itcast –username root –password 123

–query ‘SELECT * FROM trade_detail where id > 2 AND $CONDITIONS’ –split-by trade_detail.id –target-dir ‘/sqoop/td3’

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\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

第二类：将HDFS上的数据导出到数据库中

sqoop export –connect jdbc:mysql://192.168.8.120:3306/itcast –username root –password 123

–export-dir ‘/td3’ –table td_bak -m 1 –fields-termianted-by ‘\t’

第三类：使用sqoop导入数据到hive常用语句

sqoop import –connect jdbc:postgresql://ip/db_name–username user_name –table table_name –hive-import -m 5

内部执行实际分三部，1.将数据导入hdfs(可在hdfs上找到相应目录)，2.创建hive表名相同的表，3，将hdfs上数据传入hive表中

sqoop根据postgresql表创建hive表

sqoop create-hive-table –connect jdbc:postgresql://ip/db_name –username user_name –table table_name –hive-table

hive_table_name( –hive-partition-key partition_name若需要分区则加入分区名称)

导入hive已经创建好的表中

sqoop import –connect jdbc:postgresql://ip/db_name –username user_name –table table_name –hive-import -m 5 –hive-

table hive_table_name (–hive-partition-key partition_name –hive-partition-value partititon_value);

使用query导入hive表

sqoop import –connect jdbc:postgresql://ip/db_name –username user_name –query “select ,* from retail_tb_order where

\$CONDITIONS” –hive-import -m 5 –hive-table hive_table_name (–hive-partition-key partition_name –hive-partition-value

partititon_value);

注意：$CONDITIONS条件必须有，query子句若用双引号，则$CONDITIONS需要使用\转义，若使用单引号，则不需要转义。

5.配置mysql远程连接

GRANT ALL PRIVILEGES ON itcast.* TO ‘root’@‘192.168.1.201’ IDENTIFIED BY ‘123’ WITH GRANT OPTION;

FLUSH PRIVILEGES;

GRANT ALL PRIVILEGES ON . TO ‘root’@’%’ IDENTIFIED BY ‘123’ WITH GRANT OPTION;

FLUSH PRIVILEGES

6.Sqoop原理(以import为例)

Sqoop在import时，需要制定split-by参数。Sqoop根据不同的split-by参数值来进行切分,然后将切分出来的区域分配到不同map中。

每个map中再处理数据库中获取的一行一行的值，写入到HDFS中。同时split-by根据不同的参数类型有不同的切分方法，如比较简单的int型，

Sqoop会取最大和最小split-by字段值，然后根据传入的num-mappers来确定划分几个区域。 比如select max(split_by),min(split-by) from

得到的max(split-by)和min(split-by)分别为1000和1，而num-mappers为2的话，则会分成两个区域(1,500)和(501-100),

同时也会分成2个sql给2个map去进行导入操作，分别为select XXX from table where split-by>=1 and split-by<500和

select XXX from table where split-by>=501 and split-by<=1000。最后每个map各自获取各自SQL中的数据进行导入工作。

7.mapreduce job所需要的各种参数在Sqoop中的实现

InputFormatClass

com.cloudera.sqoop.mapreduce.db.DataDrivenDBInputFormat

OutputFormatClass

1)TextFile

com.cloudera.sqoop.mapreduce.RawKeyTextOutputFormat

2)SequenceFile

org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat

3)AvroDataFile

com.cloudera.sqoop.mapreduce.AvroOutputFormat

3)Mapper

1)TextFile

com.cloudera.sqoop.mapreduce.TextImportMapper

2)SequenceFile

com.cloudera.sqoop.mapreduce.SequenceFileImportMapper

3)AvroDataFile

com.cloudera.sqoop.mapreduce.AvroImportMapper

4)taskNumbers

1)mapred.map.tasks(对应num-mappers参数) 2)job.setNumReduceTasks(0);

8.实例讲解：

这里以命令行:import –connect jdbc:mysql://localhost/test –username root –password 123456 –query “select sqoop_1.id as foo_id, sqoop_2.id as bar_id from sqoop_1 ,sqoop_2 WHERE $CONDITIONS” –target-dir /user/sqoop/test -split-by sqoop_1.id –hadoop-home=/home/hdfs/hadoop-0.20.2-CDH3B3 –num-mappers 2

注:红色部分参数，后接根据命令衍生的参数值

1)设置Input

DataDrivenImportJob.configureInputFormat(Job job, String tableName,String tableClassName, String splitByCol)

a)DBConfiguration.configureDB(Configuration conf, String driverClass,

String dbUrl, String userName, String passwd, Integer fetchSize)

1).mapreduce.jdbc.driver.class com.mysql.jdbc.Driver

2).mapreduce.jdbc.url jdbc:mysql://localhost/test

3).mapreduce.jdbc.username root

4).mapreduce.jdbc.password 123456

5).mapreduce.jdbc.fetchsize -2147483648

b)DataDrivenDBInputFormat.setInput(Job job,Class extends DBWritable> inputClass, String inputQuery, String inputBoundingQuery)

1)job.setInputFormatClass(DBInputFormat.class); 2)mapred.jdbc.input.bounding.query SELECT MIN(sqoop_1.id), MAX(sqoop_2.id) FROM (select sqoop_1.id as foo_id, sqoop_2.id as bar_id from sqoop_1 ,sqoop_2 WHERE (1 = 1) ) AS t1

3)job.setInputFormatClass(com.cloudera.sqoop.mapreduce.db.DataDrivenDBInputFormat.class);

4)mapreduce.jdbc.input.orderby sqoop_1.id

c)mapreduce.jdbc.input.class QueryResult

d)sqoop.inline.lob.length.max 16777216

2)设置Output

ImportJobBase.configureOutputFormat(Job job, String tableName,String tableClassName)

a)job.setOutputFormatClass(getOutputFormatClass()); b)FileOutputFormat.setOutputCompressorClass(job, codecClass);

c)SequenceFileOutputFormat.setOutputCompressionType(job,CompressionType.BLOCK);

d)FileOutputFormat.setOutputPath(job, outputPath);

3)设置Map

DataDrivenImportJob.configureMapper(Job job, String tableName,String tableClassName)

a)job.setOutputKeyClass(Text.class);

b)job.setOutputValueClass(NullWritable.class);

c)job.setMapperClass(com.cloudera.sqoop.mapreduce.TextImportMapper);

4)设置task number

JobBase.configureNumTasks(Job job)

mapred.map.tasks 4

job.setNumReduceTasks(0);

大概流程

1.读取要导入数据的表结构，生成运行类，默认是QueryResult，打成jar包，然后提交给Hadoop

2.设置好job，主要也就是设置好以上第六章中的各个参数

3.这里就由Hadoop来执行MapReduce来执行Import命令了，

1)首先要对数据进行切分，也就是DataSplit

DataDrivenDBInputFormat.getSplits(JobContext job)

2)切分好范围后，写入范围，以便读取

DataDrivenDBInputFormat.write(DataOutput output) 这里是lowerBoundQuery and upperBoundQuery

3)读取以上2)写入的范围

DataDrivenDBInputFormat.readFields(DataInput input)

4)然后创建RecordReader从数据库中读取数据

DataDrivenDBInputFormat.createRecordReader(InputSplit split,TaskAttemptContext context)

5)创建Map

TextImportMapper.setup(Context context)

6)RecordReader一行一行从关系型数据库中读取数据，设置好Map的Key和Value，交给Map

DBRecordReader.nextKeyValue()

7)运行map

TextImportMapper.map(LongWritable key, SqoopRecord val, Context context)

最后生成的Key是行数据，由QueryResult生成，Value是NullWritable.get()

————————————————
版权声明：本文为CSDN博主「独角兽邹教授」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_35760849/article/details/113659959