sqoop抽数据到hbase sqoop从hbase导出

目录

一、概述

二、Sqoop的工作机制

三、Sqoop1与Sqoop2架构对比

四、Sqoop安装部署

五、Sqoop的数据导入

1. 列举出所有的数据库

2. 准备表数据

3. 导入数据库表数据到HDFS

4. 导入到HDFS指定目录

5. 导入到HDFS指定目录并指定字段之间的分隔符

6. 导入关系表到Hive

7. 导入关系表到Hive并自动创建Hive表

8. 将MySQL表数据导入到HBase当中去

9. 导入表数据子集

10. SQL语句查找导入HDFS

11. 增量导入

方式一：Append方式

方式二：LastModify方式

六、Sqoop的数据导出

1. 将数据从HDFS把文件导出到RDBMS数据库

2. 将数据从HBase导出到MySQL

---

一、概述

Sqoop是apache旗下的一款 ”Hadoop和关系数据库之间传输数据”的工具。

导入数据：将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数据库。

 

二、Sqoop的工作机制

• 将导入和导出的命令翻译成mapreduce程序实现；
• 在翻译出的mapreduce中主要是对inputformat和outputformat进行定制。

三、Sqoop1与Sqoop2架构对比

sqoop在发展中的过程中演进出来了两种不同的架构.架构演变史

Sqoop1架构：

版本号为1.4.x为sqoop1

在架构上：sqoop1使用sqoop客户端直接提交的方式

访问方式：CLI控制台方式进行访问

安全性：命令或脚本中指定用户数据库名及密码

Sqoop2架构：

版本号为1.99x为sqoop2

在架构上：sqoop2引入了sqoop server，对connector实现了集中的管理

访问方式：REST API、 JAVA API、 WEB UI以及CLI控制台方式进行访问

sqoop1与sqoop2比较：

四、Sqoop安装部署

Sqoop安装很简单，解压好进行简单的修改就可以使用：

第一步：下载安装包

http://archive.cloudera.com/cdh5/cdh/5/sqoop-1.4.6-cdh5.14.2.tar.gz

第二步：上传并解压

将我们下载好的安装包上传到node03服务器的/xsluo/soft路径下，然后进行解压

cd /xsluo/soft/
tar -zxf sqoop-1.4.6-cdh5.14.2.tar.gz -C /xsluo/install/

第三步：修改配置文件

更改sqoop的配置文件：

cd /xsluo/install/sqoop-1.4.6-cdh5.14.2/conf
mv sqoop-env-template.sh sqoop-env.sh
vim sqoop-env.sh

#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/xsluo/install/hadoop-2.6.0-cdh5.14.2

#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/xsluo/install/hadoop-2.6.0-cdh5.14.2

#set the path to where bin/hbase is available
export HBASE_HOME=/xsluo/install/hbase-1.2.0-cdh5.14.2

#Set the path to where bin/hive is available
export HIVE_HOME=/xsluo/install/hive-1.1.0-cdh5.14.2

第四步：添加两个必要的jar包

sqoop需要两个额外依赖的jar包，将以下两个jar包添加到sqoop的lib目录下：

第五步：配置sqoop的环境变量，添加如下内容：

sudo vim /etc/profile
export SQOOP_HOME=/xsluo/install/sqoop-1.4.6-cdh5.14.2
export PATH=:$SQOOP_HOME/bin:$PATH

让环境变量生效：

source /xsluo/profile

五、Sqoop的数据导入

1. 列举出所有的数据库

• 命令行查看帮助

bin/sqoop list-databases --help

• 列出node03主机所有的数据库

bin/sqoop list-databases --connect jdbc:mysql://node03:3306/ --username root --password 123456

• 查看某一个数据库下面的所有数据表

bin/sqoop list-tables --connect jdbc:mysql://node03:3306/hive --username root --password 123456

2. 准备表数据

在mysql中有一个库userdb中三个表：emp, emp_add和emp_conn

• 表emp:

id	name	deg	salary	dept
1201	gopal	manager	50,000	TP
1202	manisha	Proof reader	50,000	TP
1203	khalil	php dev	30,000	AC
1204	prasanth	php dev	30,000	AC
1205	kranthi	admin	20,000	TP

• 表emp_add:

id	hno	street	city
1201	288A	vgiri	jublee
1202	108I	aoc	sec-bad
1203	144Z	pgutta	hyd
1204	78B	old city	sec-bad
1205	720X	hitec	sec-bad

• 表emp_conn:

id	phno	email
1201	2356742	[e-mail]
1202	1661663	[e-mail]
1203	8887776	[e-mail]
1204	9988774	[e-mail]
1205	1231231	[e-mail]

• 建表语句如下：

 

CREATE DATABASE /*!32312 IF NOT EXISTS*/`userdb` /*!40100 DEFAULT CHARACTER SET utf8 */;

USE `userdb`;

DROP TABLE IF EXISTS `emp`;

CREATE TABLE `emp` (
  `id` INT(11) DEFAULT NULL,
  `name` VARCHAR(100) DEFAULT NULL,
  `deg` VARCHAR(100) DEFAULT NULL,
  `salary` INT(11) DEFAULT NULL,
  `dept` VARCHAR(10) DEFAULT NULL,
  `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;

INSERT  INTO `emp`(`id`,`name`,`deg`,`salary`,`dept`) VALUES (1201,'gopal','manager',50000,'TP'),(1202,'manisha','Proof reader',50000,'TP'),(1203,'khalil','php dev',30000,'AC'),(1204,'prasanth','php dev',30000,'AC'),(1205,'kranthi','admin',20000,'TP');

DROP TABLE IF EXISTS `emp_add`;

CREATE TABLE `emp_add` (
  `id` INT(11) DEFAULT NULL,
  `hno` VARCHAR(100) DEFAULT NULL,
  `street` VARCHAR(100) DEFAULT NULL,
  `city` VARCHAR(100) DEFAULT NULL,
  `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;

INSERT  INTO `emp_add`(`id`,`hno`,`street`,`city`) VALUES (1201,'288A','vgiri','jublee'),(1202,'108I','aoc','sec-bad'),(1203,'144Z','pgutta','hyd'),(1204,'78B','old city','sec-bad'),(1205,'720X','hitec','sec-bad');

DROP TABLE IF EXISTS `emp_conn`;
CREATE TABLE `emp_conn` (
  `id` INT(100) DEFAULT NULL,
  `phno` VARCHAR(100) DEFAULT NULL,
  `email` VARCHAR(100) DEFAULT NULL,
  `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
  `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
  `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=latin1;

INSERT  INTO `emp_conn`(`id`,`phno`,`email`) VALUES (1201,'2356742','[e-mail]'),(1202,'1661663','[e-mail]'),(1203,'8887776','[e-mail]'),(1204,'9988774','[e-mail]'),(1205,'1231231','[e-mail]');

3. 导入数据库表数据到HDFS

• 使用sqoop命令导入、导出数据前，要先启动hadoop集群
• 下面的命令用于从MySQL数据库服务器中的emp表导入HDFS。

bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --password 123456 --username root --table emp --m 1

• 为了验证在HDFS导入的数据，请使用以下命令查看导入的数据

hdfs dfs -ls /user/hadoop/emp

4. 导入到HDFS指定目录

• 在导入表数据到HDFS使用Sqoop导入工具，我们可以指定目标目录。
• 使用参数 --target-dir来指定导出目的地，
• 使用参数--delete-target-dir来判断导出目录是否存在，如果存在就删掉

bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp --m 1

• 查看导出的数据

hdfs dfs -text /sqoop/emp/part-m-00000

它会用逗号（，）分隔emp表的数据和字段。

5. 导入到HDFS指定目录并指定字段之间的分隔符

bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --delete-target-dir --table emp --target-dir /sqoop/emp2 --m 1 --fields-terminated-by '\t'

• 查看文件内容

hdfs dfs -text /sqoop/emp2/part-m-00000

6. 导入关系表到Hive

第一步：拷贝jar包

• 将我们mysql表当中的数据直接导入到hive表中的话，我们需要将hive的一个叫做hive-exec-1.1.0-cdh5.14.0.jar的jar包拷贝到sqoop的lib目录下

cp /xsluo/install/hive-1.1.0-cdh5.14.0/lib/hive-exec-1.1.0-cdh5.14.2.jar /xsluo/install/sqoop-1.4.6-cdh5.14.2/lib/

第二步：准备hive数据库与表

• 将我们mysql当中的数据导入到hive表当中来

hive (default)> create database sqooptohive;
hive (default)> use sqooptohive;
hive (sqooptohive)> create external table emp_hive(id int,name string,deg string,salary int ,dept string) row format delimited fields terminated by '\001';

注意：hive中的默认的分隔符是‘\001’，是一种特由的分隔符，使用的是ascii编码的值，键盘是打不出来的。

第三步：开始导入

bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp --fields-terminated-by '\001' --hive-import --hive-table sqooptohive.emp_hive --hive-overwrite --delete-target-dir --m 1

第四步：hive表数据查看

select * from emp_hive;

7. 导入关系表到Hive并自动创建Hive表

• 我们也可以通过命令来将我们的mysql的表直接导入到hive表当中去

bin/sqoop import --connect jdbc:mysql://node03:3306/userdb --username root --password 123456 --table emp_conn --hive-import -m 1 --hive-database sqooptohive;

通过这个命令，我们可以直接将我们mysql表当中的数据以及表结构一起导入到hive当中去

8. 将MySQL表数据导入到HBase当中去

• 先要开启hbase集群（启动hbase，需要先启动hadoop和zookeeper）

第一步：修改sqoop配置文件

• sqoop导入导出HBase的数据，需要修改sqoop的配置文件sqoop-env.sh

cd /xsluo/install/sqoop-1.4.6-cdh5.14.2/conf
vim sqoop-env.sh

内容如下

#Set path to where bin/hadoop is available
export HADOOP_COMMON_HOME=/xsluo/install/hadoop-2.6.0-cdh5.14.2

#Set path to where hadoop-*-core.jar is available
export HADOOP_MAPRED_HOME=/xsluo/install/hadoop-2.6.0-cdh5.14.2

#set the path to where bin/hbase is available
export HBASE_HOME=/xsluo/install/hbase-1.2.0-cdh5.14.2

#Set the path to where bin/hive is available
export HIVE_HOME=/xsluo/install/hive-1.1.0-cdh5.14.2

第二步：在mysql当中创建数据库以及数据库表并插入数据

• 创建数据库表

CREATE DATABASE IF NOT EXISTS library;
USE library;
CREATE TABLE book(
id INT(4) PRIMARY KEY NOT NULL AUTO_INCREMENT, 
NAME VARCHAR(255) NOT NULL, 
price VARCHAR(255) NOT NULL);

• 插入数据

INSERT INTO book(NAME, price) VALUES('Lie Sporting', '30'); 
INSERT INTO book (NAME, price) VALUES('Pride & Prejudice', '70'); 
INSERT INTO book (NAME, price) VALUES('Fall of Giants', '50');

第三步：将mysql表当中的数据导入HBase表当中去

• 执行以下命令，将mysql表当中的数据导入到HBase当中去

bin/sqoop import \
--connect jdbc:mysql://node03:3306/library \
--username root \
--password 123456 \
--table book \
--columns "id,name,price" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_book" \
--num-mappers 1 \
--split-by id

第四步：HBase当中查看表数据

• 进入hbase的shell客户端，通过scan查看数据

hbase(main):057:0> scan 'hbase_book'
ROW           COLUMN+CELL                            
 1            column=info:name, timestamp=1550634017823, value=Lie Sporting   
 1            column=info:price, timestamp=1550634017823, value=30       
 2            column=info:name, timestamp=1550634017823, value=Pride & Prejudice 
 2            column=info:price, timestamp=1550634017823, value=70       
 3            column=info:name, timestamp=1550634017823, value=Fall of Giants  
 3            column=info:price, timestamp=1550634017823, value=50

9. 导入表数据子集

• 我们可以导入表的使用Sqoop导入工具，"where"子句的一个子集。它执行在各自的数据库服务器相应的SQL查询，并将结果存储在HDFS的目标目录。
• where子句的语法如下。

--where <condition>

•  按照条件进行查找，通过--where参数来查找表emp_add当中city字段的值为sec-bad的所有数据导入到hdfs上面去

bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root --password 123456 --table emp_add \
--target-dir /sqoop/emp_add -m 1 --delete-target-dir \
--where "city = 'sec-bad'"

10. SQL语句查找导入HDFS

• 我们还可以通过 –query参数来指定我们的sql语句，通过sql语句来过滤我们的数据进行导入

bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb --username root --password 123456 \
--delete-target-dir -m 1 \
--query 'select phno from emp_conn where 1=1 and  $CONDITIONS' \
--target-dir /sqoop/emp_conn

• 查看hdfs数据内容

hdfs dfs -text /sqoop/emp_conn/part*

注意：

使用sql语句来进行查找是不能加参数--table

并且必须要添加where条件，

并且where条件后面必须带一个$CONDITIONS 这个字符串，

并且这个sql语句必须用单引号，不能用双引号

11. 增量导入

在实际工作当中，数据的导入，很多时候都是只需要导入增量数据即可，并不需要将表中的数据全部导入到hive或者hdfs当中去，肯定会出现重复的数据的状况，所以我们一般都是选用一些字段进行增量的导入，为了支持增量的导入，sqoop也给我们考虑到了这种情况并且支持增量的导入数据

增量导入是仅导入新添加的表中的行的技术。

增量导入数据分为两种方式：

• 　　一是基于递增列的增量数据导入（Append方式）。
• 　　二是基于时间列的数据增量导入（LastModified方式）。

用于Sqoop导入命令增量选项的核心参数：

param	含义
--incremental	用来指定一些列，这些列在增量导入时用来检查这些数据是否作为增量数据进行导入，和关系型数据库中的自增字段及时间戳类似. 注意:这些被指定的列的类型不能使任意字符类型（在关系数据库中），如char、varchar等类型都是不可以的，同时–check-column可以去指定多个列
--check-column	用来指定增量导入的模式，两种模式分别为Append和Lastmodified
--last-value	指定上一次导入中检查列指定字段最大值，即会导入比lastvalue指定值大的数据记录

注意：上面三个参数都必须添加！

--incremental <mode>  
--check-column <column name>  
--last-value <last check column value>

 方式一：Append方式

需求：

• 把MySQL数据库中emp表当中字段id大于1202的所有数据导入到HDFS
• 注意：增量导入的时候，一定不能加参数--delete-target-dir否则会报错

bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--incremental append \
--check-column id \
--last-value 1202 \
-m 1 \
--target-dir /sqoop/increment

• 查看数据内容

hdfs dfs -text /sqoop/increment/part*

[hadoop@node01 bin]$ hdfs dfs -text /sqoop/increment/part* 
1203,khalil,php dev,30000,AC,2020-09-02 12:52:03.0,2020-09-02 12:52:03.0,1 
1204,prasanth,php dev,30000,AC,2020-09-02 12:52:03.0,2020-09-02 12:52:03.0,1 
1205,kranthi,admin,20000,TP,2020-09-02 12:52:03.0,2020-09-02 12:52:03.0,1

增量导入时使用 --where 参数来进行控制数据的选取会更加精准：

bin/sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--incremental append \
--where "create_time > '2018-06-17 00:00:00' and is_delete='1' and create_time < '2018-06-17 23:59:59'" \
--target-dir /sqoop/incement2 \
--check-column id \
--m 1

需求：把MySQL数据库emp表中id大于1202的数据增量导入到hive表

sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--incremental append \
--check-column id \
--last-value 1202 \
--hive-import \
--hive-database sqooptohive 
-m 1

需求：把MySQL数据库emp表中id小于等于1202的数据增量同步到hive表

sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
--incremental append \
--check-column id \
--where "id <= 1202" \
-m 1 \
--hive-import \
--hive-table sqooptohive.emp \

设置where条件，通过判断条件可以判断减少的数据和增加的数据，控制更加灵活。

sqoop import \
--connect jdbc:mysql://192.168.200.100:3306/yang \
--username root \
--P \
--table appendTest \
--hive-import \
-m 1  \
--incremental append \
--where "age>30"
--check-column id \
--last-value 0

方式二：LastModify方式

基于lastModify的方式，要求原表中有time字段，它能指定一个时间戳，让Sqoop把该时间戳之后的数据导入至Hive，当然我们可以指定merge-key参数为id，表示将后续新的记录与原有记录合并。

执行下面语句来增量导入到hive：

sqoop import \
--connect jdbc:mysql://node03:3306/userdb \
--username root \
--password 123456 \
--table emp \
-m 1 \
--hive-table sqooptohive.emp \
--incremental lastmodified \
--check-column create_time \
--last-value "2020-09-02 12:52:03"

结果报错：

--incremental lastmodified option for hive imports is not supported. Please remove the parameter --incremental lastmodified

Sqoop 不支持 mysql转hive时使用 *lastmodified* 模式进行增量导入，但mysql转HDFS时可以支持该方式，使用append方式导入：

六、Sqoop的数据导出

1. 将数据从HDFS把文件导出到RDBMS数据库

• 导出前，目标表必须存在于目标数据库中。
• 默认操作是从将文件中的数据使用INSERT语句插入到表中
• 更新模式下，是生成UPDATE语句更新表数据
• 数据是在HDFS当中的如下目录/sqoop/emp，数据内容如下

1201,gopal,manager,50000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1202,manisha,Proof reader,50000,TP,2018-06-15 18:54:32.0,2018-06-17 20:26:08.0,1
1203,khalil,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1
1204,prasanth,php dev,30000,AC,2018-06-17 18:54:32.0,2018-06-17 21:05:52.0,0
1205,kranthi,admin,20000,TP,2018-06-17 18:54:32.0,2018-06-17 18:54:32.0,1

第一步：创建mysql表

CREATE TABLE `emp_out` (
 `id` INT(11) DEFAULT NULL,
 `name` VARCHAR(100) DEFAULT NULL,
 `deg` VARCHAR(100) DEFAULT NULL,
 `salary` INT(11) DEFAULT NULL,
 `dept` VARCHAR(10) DEFAULT NULL,
 `create_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP,
 `update_time` TIMESTAMP NOT NULL DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP,
 `is_delete` BIGINT(20) DEFAULT '1'
) ENGINE=INNODB DEFAULT CHARSET=utf8;

第二步：执行导出命令

通过sqoop来实现数据的导出，将hdfs的数据导出到mysql当中去

bin/sqoop export \
--connect jdbc:mysql://node03:3306/userdb \
--username root --password 123456 \
--table emp_out \
--export-dir /sqoop/emp \
--input-fields-terminated-by ","

第三步：验证mysql表数据

2. 将数据从HBase导出到MySQL

• 将hbase_book这张表当中的数据导出到mysql当中来
• 注意：sqoop不支持我们直接将HBase当中的数据导出，所以我们可以通过以下的转换进行导出
  Hbase→hive外部表→hive内部表→通过sqoop→mysql

第一步：创建hive外部表

• 进入hive客户端，创建hive外部表，映射hbase当中的hbase_book表

CREATE EXTERNAL TABLE course.hbase2mysql (id int,name string,price int)
STORED BY 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
WITH SERDEPROPERTIES (
"hbase.columns.mapping" =
":key,info:name, info:price"
)
TBLPROPERTIES( "hbase.table.name" = "hbase_book",
"hbase.mapred.output.outputtable" = "hbase2mysql");

第二步：创建hive内部表并将外部表数据插入到内部表当中来

• 进入hive客户端，执行以下命令，创建hive内部表，并将外部表的数据插入到hive的内部表当中来

CREATE TABLE course.hbase2mysqlin(id int,name string,price int);

第三步：外部表数据插入内部表

• 进入hive客户端执行以下命令，将hive外部表数据插入到hive内部表当中来

insert overwrite table course.hbase2mysqlin select * from course.hbase2mysql;

第四步：清空mysql表数据

• 进入mysql客户端，执行以下命令，将mysql表数据清空

TRUNCATE TABLE book;

第五步：执行sqoop导出hive内部表数据到

sqoop export -connect jdbc:mysql://node03:3306/library -username root -password 123456 -table book -export-dir /user/hive/warehouse/course.db/hbase2mysqlin --input-fields-terminated-by '\001' --input-null-string '\\N' --input-null-non-string '\\N';