sqoop的介绍以及部署安装

1.sqoop的介绍

（1）介绍：

  Sqoop是Apache旗下的一款“hadoop和关系型数据库服务器之间传送数据”的工具。
  导入数据：MySQL、Oracle导入数据到hadoop的hdfs、hive、HBASE等数据存储系统。
   导出数据：从hadoop的文件系统中导出数据到关系型数据库中。

（2）工作机制

  将导入导出的命令翻译成MapReduce程序来实现，并且MapReduce程序不需要reducetask的。在翻译出的MapReduce中主要针对对 InputFormat 和 OutputFormat 进行定制。

（3）sqoop的导入导出原理

数据导入：
  sqoop工具是通过MapReduce进行导入作业的。总体来说，是把关系型数据库中的某张表的一行行记录写入hdfs中。

解释：
 - sqoop会通过jdbc来获取需要的数据库的元数据信息，例如：导入的表的列名，数据类型。
 - 这些数据库的数据类型会被映射成为java的数据类型，根据这些信息，sqoop会生成一个与表名相同的类用来完成序列化工作，保存表中的每一行记录。
 - sqoop开启MapReduce作业
 - 启动的作业在input的过程中，会通过jdbc读取数据表中的内容，这时，会使用sqoop生成的类进行序列化。
 - 最后将这些记录写到hdfs上，在写入hdfs的过程中，同样会使用sqoop生成的类进行反序列化。
数据导出：

解释：
 - 首先sqoop通过jdbc访问关系型数据库，得到需要导出的数据的元数据信息
 - 根据获取的元数据信息，sqoop生成一个java类，用来进行数据的传输载体，该类必须实现序列化。
 - 启动MapReduce程序
 - sqoop利用生成的这个java类，并行的从hdfs中读取数据
 - 每一个map作业都会根据读取到的导出表的元数据信息和读取到的数据，生成一批的insert语句然后多个 map 作业会并行的向数据库 mysql 中插入数据。

总结：数据是从hdfs中并发进行读取，也是并发进行写入，那并行的读取时依赖hdfs的性能，而并行的写入到MySQL，就要依赖MySQL的性能。

2.sqoop的安装

前置要求：已经具备了Java和hadoop的环境。
安装包下载地址：http://ftp.wayne.edu/apache/sqoop/1.4.6/
这里安装的是qoop-1.4.6.bin_hadoop-2.0.4-alpha.tar.gz（sqoop1.x版本）
具体安装：

• 解压：tar -zxvf sqoop-1.4.6.bin_hadoop-2.0.4-alpha.tar.gz -C /applications
• 修改配置文件：

  #sqoop-env.sh
  [hadoop hadoop01@ ~]$cd /application/sqoop-1.4.6/conf/
  [hadoop hadoop01@ ~]$mv sqoop-env-template.sh sqoop-env.sh
  [hadoop hadoop01@ ~]$vim sqoop-env.sh

  

  export HADOOP_COMMON_HOME=/application/hadoop-2.7.6
  export HADOOP_MAPRED_HOME=/application/hadoop-2.7.6
  export HIVE_HOME=/application/apache-hive-2.3.2-bin
  export ZOOCFGDIR=/application/zookeeper-3.4.10/conf

  注意：这里的HADOOP_COMMON_HOME和HADOOP_MAPRED_HOME配成一个就行了，但是我们现在安装的hadoop的开源的版本：所以这两个在一个目录下就行，但是在hadoop的商业版本中这两个配置是分别安装在不同的目录下的。

• 将MySQL的驱动包导入sqoop1.4.6/lib 目录下（mysql-connector-java-5.1.40-bin.jar）
• 配置环境变量

  [hadoop hadoop01@ ~]$vim /etc/profile
  export SQOOP_HOME=/application/sqoop-1.4.6
  export PATH=$PATH:$ZOOKEEPER_HOME/bin:$SQOOP_HOME/bin
  [hadoop hadoop01@ ~]$source /etc/profile

• 验证安装是否成功(sqoop version)
  
  出现以上表示安装成功！！！！