Linux下如何安装并使用sqoop

sqoop它是一款开源的工具，主要用于在Hadoop(Hive)与传统的数据库(mysql、postgresql…)间进行数据的传递，可以将一个关系型数据库(例如 : MySQL ,Oracle ,Postgres等)中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。

sqoop-1.4.7安装配置流程

(1) Sqoop环境前提：

• Hadoop
• 关系型数据库(MySQL/Oracle)
• HBase
• Hive
• ZooKeeper

(2) 解压sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz安装包到目标目录下：

• tar -zxvf .tar.gz -C 目标目录

(3) 为后续方便，重命名Sqoop文件夹：

• mv sqoop-1.4.7.bin__hadoop-2.6.0/ sqoop-1.4.7

(4) 修改配置文件：

• 进入sqoop-1.4.7/conf路径，重命名配置文件：

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

• 修改sqoop-env.sh信息：(若配置了环境变量，可通过

  echo $XXXXX_HOME

  查询安装位置)

• vi sqoop-env.sh

• #Set path to where bin/hadoop is availableexport HADOOP_COMMON_HOME=Hadoop安装路径#Set path to where hadoop-*-core.jar is available#export HADOOP_MAPRED_HOME=Hadoop安装路径#set the path to where bin/hbase is available#export HBASE_HOME=HBase安装路径#Set the path to where bin/hive is available#export HIVE_HOME=Hive安装路径#Set the path for where zookeper config dir is#export ZOOCFGDIR=ZooKeeper 配置文件夹 路径复制代码

(5) 关联Hive：

• cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/

(5) 配置环境变量：

• 修改配置文件：

• vi /etc/profile

• 增加以下内容：

• export SQOOP_HOME=sqoop安装路径
• export PATH=$PATH:$SQOOP_HOME/bin

• 声明环境变量：

• source /etc/profile

(6) 启动查看版本号

• sqoop version

(7) 添加驱动：

• 导入MySQL驱动到sqoop/lib下
• 导入Oracle驱动到sqoop/lib下

3. Sqoop操作

(1) 常用参数：

• 参数查看：Sqoop官网 -> documentation -> Sqoop User Guide

• import 导入数据到集群

• export 从集群导出数据

• create-hive-table 创建hive表

• import-all-tables 指定关系型数据库所有表到集群

• list-databases 列出所有数据库

• list-tables 列出所有数据库表

• merge 合并数据

• codegen 获取某张表数据生成JavaBean并打Jar包

(2) import——Sqoop的导入操作：

• 功能：MySQL/Oracle –> HDFS/Hive

• 修改MySQL访问权限：

• update user set host='%' where host='localhost';
• delete from user where Host='127.0.0.1';
• delete from user where Host='bigdata01';
• delete from user where Host='::1';
• flush privileges;
• use mysql;
• select User, Host, Password from user;
• 查看权限：
• 修改权限为所有用户都可访问：

• 操作命令：

• 准备工作：
• 导入命令：
• 开启hive服务
• 在hive中创建好要导入的对应表
• FAILED: SemanticException [Error 10072]: Database does not exist: XXXXXXXX
• 报错原因：Sqoop没有关联Hive
• 解决方法：
• cp /XXX/hive/conf/hive-site.xml /XXX/sqoop-1.4.7/conf/
• ERROR tool.ImportTool: Import failed: org.apache.hadoop.mapred.FileAlreadyExistsException: Output directory hdfs://bigdata01:9000/XXXXXXXXXX already exists
• 报错原因：hdfs中存在同名路径
• 解决方法：
• 指定新路径或者删除hdfs中原文件
• ERROR tool.ImportTool: Import failed: java.io.IOException: java.lang.ClassNotFoundException: org.apache.hadoop.hive.conf.HiveConf
• 报错原因：hive环境变量配置缺失
• 解决方法：——Hadoop环境加入Hive依赖
• source /etc/profile
• export HADOOP_CLASSPATH=$HADOOP_CLASSPATH:$HIVE_HOME/lib/*
• vi /etc/profile
• 修改配置文件：
• 增加以下内容：
• 声明环境变量：
• sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password 密码 --table 表名 --num-mappers 1 --hive-import --fields-terminated-by "\t" --hive-overwrite --hive-table hive数据库名.表名
• 在Hive中可以看到指定表中已传入数据信息
• 可能报错1：
• 可能报错2：
• 可能报错3：
• 导出命令：
• Linux本地查看hdfs上传结果：
• 使用query对数据进行过滤：
• 直接过滤字段：
• sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 # 连接MySQL --username root # 用户名 --password XXXXXX # 密码 --table 表名 # 上传至HDFS的表 --target-dir /YYYYYYY # HDFS目标文件夹 --num-mappers 1 # 指定map运行 --fields-terminated-by "\t" # 指定分隔符
• hdfs dfs -cat /XXXXXXX/part-m-00000
• sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --fields-terminated-by "\t" --query 'select * from 表名 where 条件 and $CONDITIONS' # $CONDITIONS 对mapper进行索引
• sqoop import --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password XXXXXX --table 表名 --target-dir /YYYYYYY --num-mappers 1 --columns 字段名
• 本地mysql表上传至hdfs：
• 本地mysql表上传至hive：

• 
  

(3) emport——Sqoop的导出操作：

• 功能：HDFS/Hive –> MySQL/Oracle

• 操作命令：

• 导出命令：
• sqoop emport --connect jdbc:mysql://bigdata01:3306/数据库名 # 连接MySQL --username root # 用户名 --password XXXXXX # 密码 --table 表名 # 目标mysql表 --export-dir /user/hive/warehouse/YYYYYYY # hive文件夹 --num-mappers 1 # 指定map运行 --input-fields-terminated-by "\t" # 指定分隔符
• hive表导出至本地mysql：

(4) 列出所有数据库：

• 操作命令：

• sqoop list-databases --connect jdbc:mysql://bigdata01:3306/ --username root --password 密码

(5) 获取数据库表数据生成JavaBean：

• 操作命令：

• sqoop codegen --connect jdbc:mysql://bigdata01:3306/数据库名 --username root --password 密码 --table 表名 -- bindir Linux本地路径 # 指定Jar包打包路径 --class-name 类名 # 指定Java类名 --fields-terminated-by "\t"

(6) 合并hdfs中不同目录下的数据：

• 操作命令：

• sqoop merge --new-data hdfs新表路径 --onto hdfs旧表路径 --target-dir /YYYYYYY # 合并后的hdfs路径 --jar-file = # Linux本地Jar包路径 --class-name XXXXX # Jar包的类 --merge-key id # 合并依据

• **注意：**merge操作是一个新表替代旧表的操作，如果有冲突id的话新表数据替换旧表数据，如果没有冲突则是新表数据添加到旧表的数据。