标签：
Sqoop-1.4.4工具import和export使用详解
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：
这里，我们介绍Sqoop完成上述基本应用场景所使用的import和export工具，通过一些简单的例子来说明这两个工具是如何做到的。
工具通用选项
import和export工具有些通用的选项，如下表所示：
|
选项 |
含义说明 |
|
--connect <jdbc-uri> |
指定JDBC连接字符串 |
|
--connection-manager <class-name> |
指定要使用的连接管理器类 |
|
--driver <class-name> |
指定要使用的JDBC驱动类 |
|
--hadoop-mapred-home <dir> |
指定$HADOOP_MAPRED_HOME路径 |
|
--help |
打印用法帮助信息 |
|
--password-file |
设置用于存放认证的密码信息文件的路径 |
|
-P |
从控制台读取输入的密码 |
|
--password <password> |
设置认证密码 |
|
--username <username> |
设置认证用户名 |
|
--verbose |
打印详细的运行信息 |
|
--connection-param-file <filename> |
可选，指定存储数据库连接参数的属性文件 |
数据导入工具import
import工具，是将HDFS平台外部的结构化存储系统中的数据导入到Hadoop平台，便于后续分析。我们先看一下import工具的基本选项及其含义，如下表所示：
|
选项 |
含义说明 |
|
--append |
将数据追加到HDFS上一个已存在的数据集上 |
|
--as-avrodatafile |
将数据导入到Avro数据文件 |
|
--as-sequencefile |
将数据导入到SequenceFile |
|
--as-textfile |
将数据导入到普通文本文件（默认） |
|
--boundary-query <statement> |
边界查询，用于创建分片（InputSplit） |
|
--columns <col,col,col…> |
从表中导出指定的一组列的数据 |
|
--delete-target-dir |
如果指定目录存在，则先删除掉 |
|
--direct |
使用直接导入模式（优化导入速度） |
|
--direct-split-size <n> |
分割输入stream的字节大小（在直接导入模式下） |
|
--fetch-size <n> |
从数据库中批量读取记录数 |
|
--inline-lob-limit <n> |
设置内联的LOB对象的大小 |
|
-m,--num-mappers <n> |
使用n个map任务并行导入数据 |
|
-e,--query <statement> |
导入的查询语句 |
|
--split-by <column-name> |
指定按照哪个列去分割数据 |
|
--table <table-name> |
导入的源表表名 |
|
--target-dir <dir> |
导入HDFS的目标路径 |
|
--warehouse-dir <dir> |
HDFS存放表的根路径 |
|
--where <where clause> |
指定导出时所使用的查询条件 |
|
-z,--compress |
启用压缩 |
|
--compression-codec <c> |
指定Hadoop的codec方式（默认gzip） |
|
--null-string <null-string> |
果指定列为字符串类型，使用指定字符串替换值为null的该类列的值 |
|
--null-non-string <null-string> |
如果指定列为非字符串类型，使用指定字符串替换值为null的该类列的值 |
下面，我们通过实例来说明，在实际中如何使用这些选项。
|
1 |
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/workflow --table project --username shirdrn -P --hive-import -- --default-character-set=utf-8 |
|
1 |
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/workflow --username shirdrn -P --query ‘SELECT users.*, tags.tag FROM users JOIN tags ON (users.id = tags.user_id) WHERE $CONDITIONS‘ --split-byusers.id --target-dir /hive/tag_db/user_tags -- --default-character-set=utf-8 |
|
1 |
bin/sqoop job --create your-sync-job -- import --connect jdbc:mysql://10.95.3.49:3306/workflow --table project --username shirdrn -P --hive-import --incremental append --check-column id --last-value 1 -- --default-character-set=utf-8 |
|
1 |
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/workflow --username shirdrn --P --table tags --columns ‘id,tag‘ --create-hive-table -target-dir /hive/tag_db/tags -m 1 --hive-table tags --hive-import -- --default-character-set=utf-8 |
|
1 |
<property> |
|
2 |
<name>javax.jdo.option.ConnectionURL</name> |
|
3 |
<value>jdbc:derby:;databaseName=hive_metastore_db;create=true</value> |
|
4 |
</property> |
|
1 |
sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES --validate --validator org.apache.sqoop.validation.RowCountValidator --validation-threshold org.apache.sqoop.validation.AbsoluteValidationThreshold --validation-failurehandler org.apache.sqoop.validation.AbortOnFailureHandler |
数据导出工具export
export工具，是将HDFS平台的数据，导出到外部的结构化存储系统中，可能会为一些应用系统提供数据支持。我们看一下export工具的基本选项及其含义，如下表所示：
|
选项 |
含义说明 |
|
--validate <class-name> |
启用数据副本验证功能，仅支持单表拷贝，可以指定验证使用的实现类 |
|
--validation-threshold <class-name> |
指定验证门限所使用的类 |
|
--direct |
使用直接导出模式（优化速度） |
|
--export-dir <dir> |
导出过程中HDFS源路径 |
|
-m,--num-mappers <n> |
使用n个map任务并行导出 |
|
--table <table-name> |
导出的目的表名称 |
|
--call <stored-proc-name> |
导出数据调用的指定存储过程名 |
|
--update-key <col-name> |
更新参考的列名称，多个列名使用逗号分隔 |
|
--update-mode <mode> |
指定更新策略，包括：updateonly（默认）、allowinsert |
|
--input-null-string <null-string> |
使用指定字符串，替换字符串类型值为null的列 |
|
--input-null-non-string <null-string> |
使用指定字符串，替换非字符串类型值为null的列 |
|
--staging-table <staging-table-name> |
在数据导出到数据库之前，数据临时存放的表名称 |
|
--clear-staging-table |
清除工作区中临时存放的数据 |
|
--batch |
使用批量模式导出 |
下面，我们通过实例来说明，在实际中如何使用这些选项。这里，我们主要结合一个实例，讲解如何将Hive中的数据导入到MySQL数据库。
首先，我们准备几个表，MySQL数据库为tag_db，里面有两个表，定义如下所示：
CREATE TABLE tag_db.users (
id INT(11) NOT NULL AUTO_INCREMENT,name VARCHAR(100) NOT NULL,PRIMARY KEY (`id`)
) ENGINE=InnoDB DEFAULT CHARSET=utf8;
CREATE TABLE tag_db.tags (
id INT(11) NOT NULL AUTO_INCREMENT,
user_id INT NOT NULL,
tag VARCHAR(100) NOT NULL,
PRIMARY KEY (`id`)) ENGINE=InnoDB DEFAULT CHARSET=utf8;
这两个表中存储的是基础数据，同时对应着Hive中如下两个表：
CREATE TABLE users (id INT,name STRING);
CREATE TABLE tags (id INT,user_id INT,tag STRING);
我们首先在上述MySQL的两个表中插入一些测试数据：
|
1 |
INSERT INTO tag_db.users(name) VALUES(‘jeffery‘); |
|
2 |
INSERT INTO tag_db.users(name) VALUES(‘shirdrn‘); |
|
3 |
INSERT INTO tag_db.users(name) VALUES(‘sulee‘); |
|
4 |
|
5 |
INSERT INTO tag_db.tags(user_id, tag) VALUES(1, ‘Music‘); |
|
6 |
INSERT INTO tag_db.tags(user_id, tag) VALUES(1, ‘Programming‘); |
|
7 |
INSERT INTO tag_db.tags(user_id, tag) VALUES(2, ‘Travel‘); |
|
8 |
INSERT INTO tag_db.tags(user_id, tag) VALUES(3, ‘Sport‘); |
然后，使用Sqoop的import工具，将MySQL两个表中的数据导入到Hive表，执行如下命令行：
|
1 |
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/tag_db --table users --username shirdrn -P --hive-import -- --default-character-set=utf-8 |
|
2 |
bin/sqoop import --connect jdbc:mysql://10.95.3.49:3306/tag_db --table tags --username shirdrn -P --hive-import -- --default-character-set=utf-8 |
导入成功以后，再在Hive中创建一个用来存储users和tags关联后数据的表：
|
1 |
CREATE TABLE user_tags ( |
|
2 |
id STRING, |
|
3 |
name STRING, |
|
4 |
tag STRING |
|
5 |
); |
执行如下HQL语句，将关联数据插入user_tags表：
|
1 |
FROM users u JOIN tags t ON u.id=t.user_id INSERT INTO TABLE user_tags SELECT CONCAT(CAST(u.id AS STRING),CAST(t.id AS STRING)), u.name, t.tag; |
将users.id与tags.id拼接的字符串，作为新表的唯一字段id，name是用户名，tag是标签名称。
再在MySQL中创建一个对应的user_tags表，如下所示：
|
1 |
CREATE TABLE tag_db.user_tags ( |
|
2 |
id varchar(200) NOT NULL, |
|
3 |
name varchar(100) NOT NULL, |
|
4 |
tag varchar(100) NOT NULL |
|
5 |
); |
使用Sqoop的export工具，将Hive表user_tags的数据同步到MySQL表tag_db.user_tags中，执行如下命令行：
|
1 |
bin/sqoop export --connect jdbc:mysql://10.95.3.49:3306/tag_db --username shirdrn --P --table user_tags --export-dir /hive/user_tags --input-fields-terminated-by ‘\001‘ -- --default-character-set=utf-8 |
执行导出成功后，可以在MySQL的tag_db.user_tags表中看到对应的数据。
如果在导出的时候出现类似如下的错误：
14/02/27 17:59:06 INFO mapred.JobClient: Task Id : attempt_201402260008_0057_m_000001_0, Status : FAILED
java.io.IOException: Can‘t export data, please check task tracker logs
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:112)
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:39)
at org.apache.hadoop.mapreduce.Mapper.run(Mapper.java:145)
at org.apache.sqoop.mapreduce.AutoProgressMapper.run(AutoProgressMapper.java:64)
at org.apache.hadoop.mapred.MapTask.runNewMapper(MapTask.java:764)
at org.apache.hadoop.mapred.MapTask.run(MapTask.java:364)
at org.apache.hadoop.mapred.Child$4.run(Child.java:255)
at java.security.AccessController.doPrivileged(Native Method)
at javax.security.auth.Subject.doAs(Subject.java:396)
at org.apache.hadoop.security.UserGroupInformation.doAs(UserGroupInformation.java:1190)
at org.apache.hadoop.mapred.Child.main(Child.java:249)
Caused by: java.util.NoSuchElementException
at java.util.AbstractList$Itr.next(AbstractList.java:350)
at user_tags.__loadFromFields(user_tags.java:225)
at user_tags.parse(user_tags.java:174)
at org.apache.sqoop.mapreduce.TextExportMapper.map(TextExportMapper.java:83)
... 10 more
通过指定字段分隔符选项--input-fields-terminated-by，指定Hive中表字段之间使用的分隔符，供Sqoop读取解析，就不会报错了。
Sqoop-1.4.4工具import和export使用详解
标签：
原文地址：http://www.cnblogs.com/Xmingzi/p/5762179.html
