1． Apache Sqoop

Sqoop是Hadoop和關係資料庫伺服器之間傳送資料的一種工具。它是用來從關係資料庫如：MySQL，Oracle到Hadoop的HDFS，並從Hadoop的檔案系統匯出資料到關係資料庫。由Apache軟體基金會提供。

Sqoop：“SQL 到 Hadoop 和 Hadoop 到SQL”。

Sqoop工作機制是將匯入或匯出命令翻譯成mapreduce程式來實現。

在翻譯出的mapreduce中主要是對inputformat和outputformat進行定製。

sqoop安裝

安裝sqoop的前提是已經具備java和hadoop的環境。

最新穩定版： 1.4.6

配置檔案修改：

cd $SQOOP_HOME/conf

mv sqoop-env-template.sh sqoop-env.sh

vi sqoop-env.sh

export HADOOP_COMMON_HOME=/root/apps/hadoop/

export HADOOP_MAPRED_HOME=/root/apps/hadoop/

export HIVE_HOME=/root/apps/hive

加入mysql的jdbc驅動包

cp  /hive/lib/mysql-connector-java-5.1.28.jar   $SQOOP_HOME/lib/

驗證啟動

bin/sqoop list-databases --connect jdbc:mysql://localhost:3306/ --username root --password hadoop

本命令會列出所有mysql的資料庫。

到這裡，整個Sqoop安裝工作完成。

2． Sqoop匯入

“匯入工具”匯入單個表從RDBMS到HDFS。表中的每一行被視為HDFS的記錄。所有記錄都儲存為文字檔案的文字資料（或者Avro、sequence檔案等二進位制資料）。

下面的語法用於將資料匯入HDFS。

$ sqoop import (generic-args) (import-args)

Sqoop測試表資料

在mysql中建立資料庫userdb，然後執行參考資料中的sql指令碼：

建立三張表: emp  emp_add emp_conn。  

2.1． 匯入mysql表資料到HDFS

下面的命令用於從MySQL資料庫伺服器中的emp表匯入HDFS。

bin/sqoop import \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--username root \

--password hadoop \

--target-dir /sqoopresult \

--table emp --m 1

其中--target-dir可以用來指定匯出資料存放至HDFS的目錄；

mysql jdbc url 請使用 ip 地址。

為了驗證在HDFS匯入的資料，請使用以下命令檢視匯入的資料：

hdfs dfs -cat /sqoopresult/part-m-00000

可以看出它會用逗號,分隔emp表的資料和欄位。

2.2． 匯入mysql表資料到HIVE

將關係型資料的表結構複製到hive中

bin/sqoop create-hive-table \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--table emp_add \

--username root \

--password hadoop \

--hive-table test.emp_add_sp

其中：

--table emp_add為mysql中的資料庫sqoopdb中的表。   

--hive-table emp_add_sp 為hive中新建的表名稱。

從關係資料庫匯入檔案到hive中

bin/sqoop import \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--username root \

--password hadoop \

--table emp_add \

--hive-table test.emp_add_sp \

--hive-import \

--m 1

2.3． 匯入表資料子集

--where        可以指定從關係資料庫匯入資料時的查詢條件。它執行在各自的資料庫伺服器相應的SQL查詢，並將結果儲存在HDFS的目標目錄。

bin/sqoop import \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--username root \

--password hadoop \

--where "city ='sec-bad'" \

--target-dir /wherequery \

--table emp_add --m 1

複雜查詢條件：

bin/sqoop import \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--username root \

--password hadoop \

--target-dir /wherequery12 \

--query 'select id,name,deg from emp WHERE  id>1203 and $CONDITIONS' \

--split-by id \

--fields-terminated-by '\t' \

--m 1

2.4． 增量匯入

增量匯入是僅匯入新新增的表中的行的技術。

--check-column (col)        用來作為判斷的列名，如id

--incremental (mode)        append：追加，比如對大於last-value指定的值之後的記錄進行追加匯入。lastmodified：最後的修改時間，追加last-value指定的日期之後的記錄

--last-value (value)        指定自從上次匯入後列的最大值（大於該指定的值），也可以自己設定某一值

假設新新增的資料轉換成emp表如下：

1206, satish p, grp des, 20000, GR

下面的命令用於在EMP表執行增量匯入：

bin/sqoop import \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--username root \

--password hadoop \

--table emp --m 1 \

--incremental append \

--check-column id \

--last-value 1205

3． Sqoop匯出

將資料從HDFS匯出到RDBMS資料庫匯出前，目標表必須存在於目標資料庫中。

預設操作是從將檔案中的資料使用INSERT語句插入到表中，更新模式下，是生成UPDATE語句更新表資料。

以下是export命令語法：

$ sqoop export (generic-args) (export-args)

3.1． 匯出HDFS資料到mysql

資料是在HDFS 中“emp/”目錄的emp_data檔案中：

1201,gopal,manager,50000,TP

1202,manisha,preader,50000,TP

1203,kalil,php dev,30000,AC

1204,prasanth,php dev,30000,AC

1205,kranthi,admin,20000,TP

1206,satishp,grpdes,20000,GR

首先需要手動建立mysql中的目標表：

mysql> USE sqoopdb;

mysql> CREATE TABLE employee (

   id INT NOT NULL PRIMARY KEY,

   name VARCHAR(20),

   deg VARCHAR(20),

   salary INT,

   dept VARCHAR(10));

然後執行匯出命令：

bin/sqoop export \

--connect jdbc:mysql://node-21:3306/sqoopdb \

--username root \

--password hadoop \

--table employee \

--export-dir /emp/emp_data

還可以用下面命令指定輸入檔案的分隔符

--input-fields-terminated-by '\t'

如果執行報錯如下:

則需要把localhost更改為ip或者域名。

示例如下，將點選流模型表匯出到mysql  

<更多表的匯出，可參照修改>