简介
Sqoop是一个用来将Hadoop和关系型数据库中的数据相互转移的工具，可以将一个关系型数据库（例如 ： MySQL ,Oracle ,Postgres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。
导出导入的数据与字段的顺序进行匹配
从HDFS转换回mysql 的时候，自动增长的主键字段处，可以留空
环境
当调试过程出现IncompatibleClassChangeError一般都是版本兼容问题。
为了保证hadoop和sqoop版本的兼容性，使用Cloudera，
Cloudera简介：
Cloudera为了让Hadoop的配置标准化，可以帮助企业安装，配置，运行hadoop以达到大规模企业数据的处理和分析。
下载安装hadoop-0.20.2-cdh3u6，sqoop-1.3.0-cdh3u6。
目的
将mysql数据转换为hadoop文件，从而可以使用map/reduce进行大数据的分析，然后再将分析结果转换回mysql，供业务查询调用。
安装
安装比较简单，直接解压即可
唯一需要做的就是将mysql的jdbc适配包mysql-connector-java-5.0.7-bin.jar copy到$SQOOP_HOME/lib下。
配置好环境变量：/etc/profile
export SQOOP_HOME=/home/hadoop/sqoop-1.3.0-cdh3u6/
export PATH=$SQOOP_HOME/bin:$PATH
MYSQL转HDFS-示例
|
./sqoop import --connect jdbc:mysql://10.8.210.166:3306/recsys --username root --password root --table shop -m 1 --target-dir /user/recsys/input/shop/$today |
|
输出数据： ./hadoop fs -cat /user/recsys/input/shop/2013-05-07/* 生成的hdfs数据 287,516809,0,0,6,25,45.78692,126.65384 288,523944,0,0,29,6,120.26087,30.17264 ------------------------------------------------------- |
HDFS转MYSQ-示例
|
./sqoop export --connect jdbc:mysql://10.8.210.166:3306/recsys --username root --password root --table shopassoc --fields-terminated-by ',' --export-dir /user/recsys/output/shop/$today |
|
输入数据： ./hadoop fs -cat /user/recsys/output/shop/2013-05-07/* Hdfs原始数据 null,857207,729974,947.0818,29,2013-05-08 10:22:29 null,857207,524022,1154.2603,29,2013-05-08 10:22:29 -------------------------------------------------------------------------- |
技巧
导出导入的数据与字段的顺序进行匹配
从HDFS转换回mysql 的时候，自动增长的主键字段处，可以留空
示例参数说明
参数类型 |
参数名 |
解释 |
公共 |
connect |
Jdbc-url |
公共 |
username |
--- |
公共 |
password |
--- |
公共 |
table |
表名 |
Import |
target-dir |
制定输出hdfs目录，默认输出到/user/$loginName/ |
export |
fields-terminated-by |
Hdfs文件中的字段分割符，默认是“\t” |
export |
export-dir |
hdfs文件的路径 |
导出大数据的拆分：
m |
使用多少个并行导入，默认是1，未开启，数据量大的话会自动根据主键ID进行拆分 |
split-by |
使用于没有主键的表的拆分，指定拆分的字段，拆分的原则是分布要广泛（自动拆分） |
Where |
同时可以手动执行多次，通过where条件进行手动拆分 |
参数 |
解释 |
Job |
定时作业, 个人觉得没啥意义，通常我更相信crontab |
eval |
执行sql，远程进行一些操作，但是经过测试发现不支持 delete |
create-hive-table |
复制某一个数据源的数据存储到hive |