Sqoop介绍

         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）中的数据导进到Hadoop的HDFS中，也可以将HDFS的数据导进到关系型数据库中。（本文档中使用的是sqoop-1.4.2-cdh4.2.1版本）

为什么要使用sqoop

         因为业务的不断增长导致mysql数据库中数据太多，影响数据查询效率，所以使用sqoop把现有mysql中数据导入到HBase中，使用HBase支撑大数据量的查询。

Sqoop的安装

下载

wget http://archive.cloudera.com/cdh4/cdh/4/sqoop-1.4.2-cdh4.2.1.tar.gz

配置

sqoop-env.sh

cd ${sqoop_home}/conf

复制创建sqoop-env.sh

cp sqoop-env-template.sh       sqoop-env.sh

修改 sqoop-env.sh 加入下面三行，根据集群情况填写

HADOOP_COMMON_HOME=/home/cdh4-test/hadoop-2.0.0-cdh4.2.1

HADOOP_MAPRED_HOME=/home/cdh4-test/hadoop-2.0.0-mr1-cdh4.2.1

HBASE_HOME=/home/cdh4-test/hbase-0.94.2-cdh4.2.1

添加jar包

复制集群中hadoop的core包以及mysql-jdbc包到sqoop-lib目录下。

测试

         进入sqoop-bin目录下执行命令

         ./sqoop-list-tables --connect jdbc:mysql://you_mysql_address:port/you_db_name --username mysqlusername --P

         然后提示输入密码，输入数据库登录密码即可。然后终端显示该数据库下的所有表名称。

         Sqoop安装成功

使用sqoop把mysql中数据导入hbase中

         命令：

./sqoop-import --connect jdbc:mysql://xxx.xxx.xxx.xxx/service --table ddt_map_info_copy --hbase-create-table --hbase-table A --column-family info --split-by mapId --username root --P --compression-codec lzo -z



--table ddt_map_info_copy  表示导出gamewaveservice数据库的ddt_map_info_copy表。
--hbase-table A  表示在复制到表A中。
--column-family person 表示在表A中建立列族person。
--hbase-row-key mapId  表示表A的row-key是map_info_copy表的mapId字段。
--hbase-create-table 表示在HBase中建立表。
--username root 表示使用用户root连接Mysql。

-z 表示采用压缩方式

--compression-codec lzo 表示用lzo方式压缩 无效

遇到的问题及结局方案

Q1：需要根据业务逻辑对HBase的row-key做出调整。

A1：有两种解决方案

1)         在数据导入之前对mysql原有表结构做出调整，增加一列存放即将作为Hbase row-key数据。

操作步骤:根据业务逻辑写出sql并update相应表的每一行。

2)         扩展PutTransformer类，自定义导入HBase的put格式。并在执行导入命令时指定该类

操作步骤：



package com.gamewave.sqoop.extensions.tansformat_row_key;

import java.io.IOException;
import java.util.Collections;
import java.util.List;
import java.util.Map;
import java.util.TreeMap;
import org.apache.commons.logging.Log;
import org.apache.commons.logging.LogFactory;
import org.apache.hadoop.hbase.client.Put;
import org.apache.hadoop.hbase.util.Bytes;
import org.apache.sqoop.hbase.PutTransformer;

public class DdtMapInfoTransFormat extends PutTransformer {

  public static final Log LOG = LogFactory.getLog(DdtMapInfoTransFormat.class.getName());
  private Map<String, byte[]> serializedFieldNames;

  public DdtMapInfoTransFormat() {
      serializedFieldNames = new TreeMap<String, byte[]>();
  }

  /**
   * Return the serialized bytes for a field name, using the cache if it's
   * already in there.
   */
  private byte[] getFieldNameBytes(String fieldName) {
      byte[] cachedName = serializedFieldNames.get(fieldName);
      if (null != cachedName) {
          // Cache hit. We're done.
          return cachedName;
      }
      // Do the serialization and memoize the result.
      byte[] nameBytes = Bytes.toBytes(fieldName);
      serializedFieldNames.put(fieldName, nameBytes);
      return nameBytes;
  }

  @Override
  /** {@inheritDoc} */
  public List<Put> getPutCommand(Map<String, Object> fields)throws IOException {
      String rowKeyCol = getRowKeyColumn();
      String colFamily = getColumnFamily();
      byte[] colFamilyBytes = Bytes.toBytes(colFamily);
      Object rowKey = fields.get(rowKeyCol);
      if (null == rowKey) {
          // If the row-key column is null, we don't insert this row.
          LOG.warn("Could not insert row with null value for row-key column: "+ rowKeyCol);
          return null;
      }
      Put put = new Put(Bytes.toBytes(rowKey.toString() + ":custom"));
      for (Map.Entry<String, Object> fieldEntry : fields.entrySet()) {
          String colName = fieldEntry.getKey();
          if (!colName.equals(rowKeyCol)) {
              // This is a regular field, not the row key.
              // Add it if it's not null.
              Object val = fieldEntry.getValue();
              if (null != val) {
                  put.add(colFamilyBytes, getFieldNameBytes(colName),Bytes.toBytes(val.toString()));
              }
          }
      }
      return Collections.singletonList(put);
  }
}



1、扩展PutTransformer类

上面代码做出示例，红色字体为修改行，蓝底字体为添加内容。

2、包并放进sqoop-lib目录下，执行命令



./sqoop-import -D sqoop.hbase.insert.put.transformer.class=com.gamewave.sqoop.extensions.tansformat_row_key.DdtMapInfoTransFormat –connect jdbc:mysql://xxx.xxx.xxx.xxx/service --table ddt_map_info_copy --hbase-create-table --hbase-table ddt_map_info_copy --column-family info --split-by mapId --username root --P --compression-codec lzo



命令中-D为指定属性名称 参数值为键值对

sqoop.hbase.insert.put.transformer.class属性值为指定格式化类名称

3、验证

进入hbase shell

可以查看得到rowkey后缀均为:custom，修改成功