Sqoop是Apache软件的产品。Sqoop从Hadoop提取有用的信息，然后传递到外部数据存储。借助Sqoop，我们可以将数据从RDBMS或大型机导入HDFS。Flume也来自Apache软件。它收集并移动生成的递归数据。在 Apache的水槽不仅限于记录数据聚合，但数据来源是定制的，所以水槽可以用于传输数据的数量庞大。在Hadoop分布式文件系统和RDBMS之间收集，聚合和移动大量数据的最佳方法是使用Sqoop或Flume之类的工具。
让我们讨论用于上述目的的这两个常用工具。
什么是Sqoop
要使用Sqoop，用户必须指定用户要使用的工具以及控制特定工具的参数。然后，您还可以使用Sqoop将数据导出回RDBMS。Sqoop的导出功能用于从Hadoop中提取有用的信息，并将其导出到外部结构化数据存储中。它与Teradata，MySQL，Oracle，HSQLDB等不同的数据库一起使用。
Sqoop架构：–
Sqoop中的连接器是特定数据库源的插件，因此，它是Sqoop建立的基础。尽管驱动程序是特定于数据库的，并且由各种数据库供应商分发，但Sqoop本身捆绑了用于流行的数据库和信息仓库系统的不同类型的连接器。因此，Sqoop还提供了多种混合连接器。Sqoop提供了理想网络和外部系统的可插拔组件。Sqoop API为组装新的连接器提供了有用的结构，因此可以将任何数据库连接器放入Sqoop安装中，以提供与不同数据系统的连接。
什么是Flume
在 Apache的水槽不仅限于记录数据聚合，但数据来源是定制的，所以水槽可以用于传输数据，包括大量的数量，但不局限于电子邮件，社交媒体产生的数据，网络流量数据和几乎任何可能的数据源。
Flume体系结构：– Flume体系结构基于许多核心概念：
Flume事件-它表示为数据流的单位，它具有字节有效负载和带有可选字符串标题的字符串集。Flume认为事件只是字节的一般Blob。
Flume Agent-这是一个JVM进程，承载诸如通道，接收器和源之类的组件。它具有接收，存储事件并将其从外部源转发到下一层的潜力。
Flume Flow-这是事件生成的时间点。
Flume客户端-指客户端在事件的起点运行的界面，并将其传递给Flume代理。
源极的源是一个具有特定格式，并通过特定的机制提供它消耗事件。
通道-这是一个被动存储，在其中存储事件，直到接收器将其删除以进行进一步传输为止。
接收器-它从通道中删除事件，并将其放在HDFS之类的外部存储库中。它当前支持创建文本和序列文件，并且支持两种文件类型的压缩。
Flume架构：
Sqoop和Flume之间的主要区别
现在我们知道Sqoop和Flume之间有很多区别，以下是它们之间最重要的区别–
Sqoop旨在在Hadoop和关系数据库之间交换大量信息。
而Flume用于从不同来源收集数据，这些来源正在生成有关特定用例的数据，然后将大量数据从分布式资源转移到单个集中式存储库。
Sqoop还包括一组命令，这些命令使您可以检查正在使用的数据库。因此，我们可以将Sqoop视为相关工具的集合。
在收集日期时，Flume会水平缩放数据，并且可以使用多个Flume代理来收集日期并进行汇总。此后，数据日志将移动到集中式数据存储，即Hadoop分布式文件系统(HDFS)。
3.使用Flume的关键因素是必须以连续和流式方式生成数据。同样，Sqoop最适合您的数据位于MySQL，Oracle，Teradata，PostgreSQL等数据库系统中的情况
