Sqoop学习

发表于 | 分类于 |
阅读时长 ≈ 1 mins.

Sqoop用来在关系型数据库与HDFS（Hive、HBase）之间导入和导出数据，其既可以作为ETL抽数据到DW的工具，又可以作为对DM处理好的数据导出到业务数据库的工具，其地位如下图所示：

Sqoop主要通过JDBC和关系数据库进行交互。理论上支持JDBC的Database都可以使用Sqoop和HDFS进行数据交互。

原理

Sqoop有两个版本，他们之间的差异见下表：

我们这里重点将下Sqoop2的架构

导入到HDFS

  1. 在导入前，Sqoop使用JDBC来检查将要导入的数据表;
  2. Sqoop检索出表中所有的列以及列的SQL数据类型;
  3. 把这些SQL类型的映射到java数据类型，例如（VARCHAR、INTEGER）->（String，Integer）;
  4. 在MapReduce应用中将使用这些对应的java类型来保存字段的值;
  5. Sqoop的代码生成器使用这些信息来创建对应表的类，用于保存从表中抽取的记录。

导出到JDBC

  1. 在导出前，sqoop会根据数据库连接字符串来选择一个导出方法(对于大部分系统来说，sqoop会选择JDBC);
  2. Sqoop会根据目标表的定义生成一个java类;
  3. 这个生成的类能够从文本中解析出记录，并能够向表中插入类型合适的值（除了能够读取ResultSet中的列）;
  4. 然后启动一个MapReduce作业，从HDFS中读取源数据文件;
  5. 使用生成的类解析出记录，并且执行选定的导出方法。

实践时间

将 MySQL数据库的表dept导入HDFS

1
sqoop import --connect jdbc:mysql://10.10.75.100:3306/sqoopdemo -- username root --password root123 - table dept -m 1 -target-dir /user/dept

将数据从HDFS导出到MySQL数据库的表dept

1
2
3
4
5
6
7
8
9
10
sqoop export --connect jdbc :mysql://10.10.75.100:3306/sqoopdemo --username root --password root123 --table dept -m 1 --export-dir /user/dept 

# Mysql->hive
sqoop import --connect jdbc:mysql://10.10.75.100:3306/sqoopdemo --username root --password root123 --table dept -m 1 --hive-import

# Hive->mysql
sqoop export --connect jdbc:mysql://10.10.75.100:3306/sqoopdemo --username root --password root123 -table dept -m 1 --export-dir /user/hive/warehouse/dept --input-fields-terminated-by '\0001'

# Mysql->hbase
sqoop import --connect jdbc:mysql://10.10.75.100:3306/sqoopdemo --username root --password rootl23 --table dept 一-hbase-create-table --hbase- table hbase dept --column-family colfamily --hbase-row-key id

更多操作方面的内容可以参考这篇Sqoop架构以及应用介绍。

0%