频道栏目
首页 > 网络 > 云计算 > 正文

sqoop-hbase的使用操作介绍

2018-08-08 14:43:13           
收藏   我要投稿

sqoop

回顾:

今天任务

1.sqoop基本概念

2.配置sqoop环境

3.sqoop的典型应用

4.sqoop的原理

教学目标

1.熟悉sqoop环境的配置步骤

2.理解sqoop的原理

3.熟练使用sqoop导入导出数据

第一节:sqoop介绍

1.1 概述

Apache Sqoop(SQL-to-Hadoop) 项目旨在协助 RDBMS 与 Hadoop 之间进行高效的大数据交流

导入数据:关系型数据库mysql)的数据导入到 Hadoop 与其相关的系统 (如HBase和Hive)中。

导出数据:从 Hadoop 系统里抽取并导出到关系型数据库里。

1.2 sqoop核心机制

通过hadoop的mapreduce把数据从关系型数据库中导入数据到HDFS。

简单说,Sqoop就是一个转换工具,用于在关系型数据库与HDFS之间进行数据转换。强大功能见下图:

\

第二节 sqoop安装配置

2.1 基于集群环境

主机 安装软件
min1 hadoop hive
min2 hadoop mysql
min3 hadoop

2.2 安装步骤

下载

下载地址:http://mirrors.hust.edu.cn/apache/sqoop/

		
这里有两个版本,1.4.x 为Sqoop 1 版本,1.99.x为Sqoop 2 版本

解压安装

#我们先讲解Sqoop 1 版本的安装使用。

#将sqoop-1.4.6.bin__hadoop-0.23.tar.gz上传到min1机器的/home/hadoop/apps/目录下。

#解压缩

tar -xvf sqoop-1.4.6.bin__hadoop-0.23.tar.gz

#重命名为sqoop

mv sqoop-1.4.6.bin__hadoop-0.23 sqoop

设置环境变量

#在文件/etc/profile中设置环境变量SQOOP_HOME:

vim /etc/profile

#设置内容:

export SQOOP_HOME=/hadoop/sqoop

export PATH=$PATH:$SQOOP_HOME/bin:

source /etc/profile

#把mysql的jdbc驱动mysql-connector-java-5.1.32-bin.jar复制到sqoop项目的lib目录下:

cp mysql-connector-java-5.1.32-bin.jar /hadoop/sqoop/lib/

修改配置文件

#复制名配置文件

#在${SQOOP_HOME}/conf中执行命令

cp sqoop-env-template.sh sqoop-env.sh

vi sqoop-env.sh

#设置内容如下:

\

测试

#执行sqoop-version命令后,显示下图的效果说明配置成功

sqoop-version

\

第三节 Sqoop的数据导入

就是从关系型数据库(mysql)的数据导入到 Hadoop 与其相关的系统 (如HBase和Hive)中。

3.1 语法

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

3.2 案例

测试之前先在mysql中准备数据:

create database sqoop; --创建名为sqoop的数据库

use sqoop; --切换到sqoop数据库

create table employee( --创建一个名为employee的表

id int not null primary key auto_increment,

name varchar(20),

birthday date

);

insert into employee values ('','zhangsan','2016-01-01');

insert into employee values ('','zs','2016-01-01');

insert into employee values ('','zw','2016-01-01');

insert into employee values ('','z6','2016-01-01');

insert into employee values ('','z7','2016-01-01');

insert into employee values ('','z8','2016-01-01');

insert into employee values ('','z9','2016-01-01');

insert into employee values ('','z10','2016-01-01');

insert into employee values ('','z11','2016-01-01');

insert into employee values ('','z12','2016-01-01');

insert into employee values ('','z13','2016-01-01');

insert into employee values ('','z14','2016-01-01');

insert into employee values ('','zhangsan','2016-01-01');

导入表数据到hdfs中

执行命令

#sqoop的命令只能在行,如果换行则需要使用 \

sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--table employee \ #mysql的表名

--target-dir /sqfs #/sqfs 表示导入的数据保存在hadoop的路径

--m 1 #表示启动mr的数量

上述语句如果没有指定保存到HDFS到哪里(target-dir),默认保存在/user/hadoop/employee/路径下

如果成功执行,那么会得到下面的输出

14/12/22 15:24:54 INFO sqoop.Sqoop: Running Sqoop version: 1.4.5

14/12/22 15:24:56 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.

INFO orm.CompilationManager: Writing jar file: /tmp/sqoop-hadoop/compile/cebe706d23ebb1fd99c1f063ad51ebd7/emp.jar

-----------------------------------------------------

O mapreduce.Job: map 0% reduce 0%

14/12/22 15:28:08 INFO mapreduce.Job: map 100% reduce 0%

14/12/22 15:28:16 INFO mapreduce.Job: Job job_1419242001831_0001 completed successfully

-----------------------------------------------------

-----------------------------------------------------

14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Transferred 145 bytes in 177.5849 seconds (0.8165 bytes/sec)

14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Retrieved 5 records.

为了验证在HDFS导入的数据,请使用以下命令查看导入的数据

hadoop fs -cat /sqfs/employee/part-m-00000

导入表数据到hive中

bin/sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--table employee \

--hive-import \ #这句是关键语句 默认到入到hive的名为default的database下

--m 1

导入表数据子集

我们使用Sqoop导入工具时,可以导入"where"子句的一个子集。它执行在各自的数据库服务器相应的SQL查询,并将结果存储在HDFS的目标目录。

导入id值大于5的记录

bin/sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--where "id >5" \

--target-dir /wherequery \

--table employee

--m 1

增量导入

增量导入是仅导入新添加的表中的行的技术

它需要添加‘incremental’,‘check-column’, 和 ‘last-value’选项来执行增量导入。下面的语法用于Sqoop导入命令增量选项。

--incremental

--check-column

--last value

假设新添加的数据转换成employee表如下

insert into employee values ('','chang100','2018-03-03');

下面的命令用于在employee表执行增量导入。

bin/sqoop import \

--connect jdbc:mysql://localhost:3306/sqoop \

--username root \

--password root \

--table employee

--m 1 \

--incremental append \

--check-column id \ #根据id判定一条记录

--last-value 12 #从哪条记录以后的内容导入

第四节 Sqoop的数据导出

就是从 Hadoop 系统里抽取并导出到关系型数据库里。

4.1 语法

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

4.2 案例

从hdfs中导入到mysql

数据是在HDFS 中“employee/”目录的emp_data文件中。所述emp_data如下:

1,zhangsan,2016-01-01

2,lisi,2016-01-01

3,wangwu,2016-01-01

4,zhang6,2016-01-01

5,zhang7,2016-01-01

6,wang8,2016-01-01

首先需要手动创建mysql中的目标表

mysql> USE sqoop2;

mysql> CREATE TABLE employee (

id INT NOT NULL PRIMARY KEY,

name VARCHAR(20),

birthday date);

然后执行导出命令

bin/sqoop export \

--connect jdbc:mysql://localhost:3306/sqoop2 \

--username root \

--password root \

--table employee \

--export-dir /employee/

第五节 Sqoop原理

5.1 Sqoop架构图

\

sqoop1架构

\

sqoop2架构

5.2 Sqoop1大概流程

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,设置好job,主要也就是设置好各个参数,这里就由Hadoop来执行MapReduce来执行Import命令。

首先要对数据进行切分,也就是DataSplit,DataDrivenDBInputFormat.getSplits(JobContext job)。

切分好范围后,写入范围,以便读取DataDrivenDBInputFormat.write(DataOutput output),这里是lowerBoundQuery and upperBoundQuery。

读取以上2)写入的范围DataDrivenDBInputFormat.readFields(DataInput input)。

然后创建RecordReader从数据库中读取数据DataDrivenDBInputFormat.createRecordReader(InputSplit split,TaskAttemptContext context)。

创建MAP,MapTextImportMapper.setup(Context context)。

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MapDBRecordReader.nextKeyValue()。

运行MAP,mapTextImportMapper.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()。

5.3 Sqoop 1与 Sqoop 2 对比

sqoop1优点:架构部署简单

sqoop1缺点:命令行方式容易出错,格式紧耦合,无法支持所有数据类型,安全机制不够完善,例如密码暴漏, 安装需要root权限,connector必须符合JDBC模型。

sqoop2优点:多种交互方式,命令行,web UI,rest API,conncetor集中化管理,所有的链接安装在sqoop server上,完善权限管理机制,connector规范化,仅仅负责数据的读写

sqoop2缺点:架构稍复杂,配置部署更繁琐。

5.4 Sqoop的Import

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。

5.5 Sqoop的export

Sqoop可以在HDFS/Hive和关系型数据库之间进行数据的导入导出,其中主要使用了import和export这两个工具。这两个工具非常强大,提供了很多选项帮助我们完成数据的迁移和同步。比如,下面两个潜在的需求:

业务数据存放在关系数据库中,如果数据量达到一定规模后需要对其进行分析或同统计,单纯使用关系数据库可能会成为瓶颈,这时可以将数据从业务数据库数据导入(import)到Hadoop平台进行离线分析。

对大规模的数据在Hadoop平台上进行分析以后,可能需要将结果同步到关系数据库中作为业务的辅助数据,这时候需要将Hadoop平台分析后的数据导出(export)到关系数据库。

 
   
   
   

相关TAG标签 sqoop hbase 使用
上一篇:分类算法:朴素贝叶斯(NBC)详解
下一篇:3种数据归一化方法及代码实现
相关文章
图文推荐

关于我们 | 联系我们 | 广告服务 | 投资合作 | 版权申明 | 在线帮助 | 网站地图 | 作品发布 | Vip技术培训 | 举报中心

版权所有: 红黑联盟--致力于做实用的IT技术学习网站