Sqoop1.4.7实现将Mysql数据与Hadoop3.0数据互相抽取

本文主要讲解 Sqoop 1.4.7 如何实现 Mysql 与 Hadoop 3.0 之间数据互相抽取的。

环境基于 Ambari 2.7 + HDP 3.0 部署。

之前写过一篇 Sqoop 1.4.6 如何实现 Mysql 与 Hadoop 2.x 之间数据互相抽取的，可参考：《sqoop概述及shell操作》

一、Sqoop Shell操作

参数	描述
–connect \	指定JDBC连接字符串
–username	指定连接mysql用户名
–password	指定连接mysql密码

1. 将Mysql数据导入到Hadoop中

1.1 数据导入到HDFS

参数

描述

table \

抽取mysql数据库中的表

–target-dir \

指定导入hdfs的具体位置。默认生成在为/user/\/<table_name>/目录下

-m <数值>

执行map任务的个数，默认是4个

将 mysql 数据库中的 hive 数据库中的 ROLES 表数据导入到 HDFS 中的 /tmp/root/111 目录下。执行代码如下：

sqoop import \
--connect jdbc:mysql://10.6.6.72:3309/hive \
--username root \
--password root123 \
--table ROLES \
--target-dir /tmp/root/111 \
--fields-terminated-by ',' \
-m 1

备注：-m 参数可以指定 map 任务的个数，默认是 4 个。如果指定为 1 个 map 任务的话，最终生成的 part-m-xxxxx 文件个数就为 1。在数据充足的情况下，生成的文件个数与指定 map 任务的个数是等值的。

1.2 数据导入到Hive中

参数

描述

–hive-import

将表导入Hive中

–hive-table \

指定导入Hive的表名

–fields-terminated-by \

指定导入到hive中的文件数据格式

-m <数值>

执行map任务的个数，默认是4个

将 mysql 数据库中的 hive 数据库中的 ROLES 表数据导入到 Hive 数据库中，并生成 roles_test 表。执行代码如下：

sqoop import \
--connect jdbc:mysql://10.6.6.72:3309/hive \
--username root \
--password root123 \
--hive-import \
--table ROLES \
--hive-database default \
--hive-table roles_test \
--fields-terminated-by ',' \
-m 1

备注：-m 参数可以指定 map 任务的个数，默认是 4 个。如果指定为 1 个 map 任务的话，最终生成在 /warehouse/tablespace/managed/hive/roles_test/base_xxxx 目录下的 000000_x 文件个数就为 1 。在数据充足的情况下，生成的文件个数与指定 map 任务的个数是等值的。

提示：如果该步骤失败，可查看 FAQ 里面的 1 与 2 。

执行数据导入过程中，会触发 MapReduce 任务。任务执行成功以后，我们访问 Hive 验证一下数据是否导入成功。

hive> show tables;
OK
roles_test
hive> select * from roles_test;
OK
1	1545355484	admin	admin
2	1545355484	public	public
Time taken: 0.536 seconds, Fetched: 2 row(s)

数据导入成功。

1.3 数据导入到HBase中

参数	描述
–column-family \	设置导入的目标列族
–hbase-row-key \
指定要用作行键的输入列；如果没有该参数，默认为mysql表的主键
–hbase-create-table	如果执行，则创建缺少的HBase表
–hbase-bulkload	启用批量加载

将 mysql 数据库中的 hive 数据库中的 roles 表数据导入到 HBase 中，并生成 roles_test 表。执行代码如下：

sqoop import \
--connect jdbc:mysql://10.6.6.72:3309/hive \
--username root \
--password root123 \
--table ROLES \
--hbase-table roles_test \
--column-family info \
--hbase-row-key ROLE_ID \
--hbase-create-table \
--hbase-bulkload

关于参数–hbase-bulkload的解释：

实现将数据批量的导入Hbase数据库中，BulkLoad特性能够利用MR计算框架将源数据直接生成内部的HFile格式，直接将数据快速的load到HBase中。

细心的你可能会发现，使用–hbase-bulkload参数会触发MapReduce的reduce任务。

执行数据导入过程中，会触发MapReduce任务。任务执行成功以后，我们访问HBase验证一下数据是否导入成功。

hbase(main):002:0> list
TABLE          
roles_test                                                         
1 row(s) in 0.1030 seconds
=> ["roles_test"]
hbase(main):003:0> scan "roles_test"

ROW                                              COLUMN+CELL                                                                                                                  
 1                                               column=info:CREATE_TIME, timestamp=1548319280991, value=1545355484                                                                          
 1                                               column=info:OWNER_NAME, timestamp=1548319280991, value=admin                                                                                
 1                                               column=info:ROLE_NAME, timestamp=1548319280991, value=admin                                                                                 
 2                                               column=info:CREATE_TIME, timestamp=1548319282888, value=1545355484                                                                          
 2                                               column=info:OWNER_NAME, timestamp=1548319282888, value=public                                                                       
 2                                               column=info:ROLE_NAME, timestamp=1548319282888, value=public                                                          
2 row(s) in 0.0670 seconds

总结：roles_test表的row_key是源表的主键ROLE_ID值，其余列均放入了info这个列族中。

2. 将Hadoop数据导出到Mysql中

Sqoop export 工具将一组文件从 HDFS 导出回 Mysql 。目标表必须已存在于数据库中。根据用户指定的分隔符读取输入文件并将其解析为一组记录。

默认操作是将这些转换为一组INSERT将记录注入数据库的语句。在“更新模式”中，Sqoop 将生成 UPDATE 替换数据库中现有记录的语句，并且在“调用模式”下，Sqoop 将为每条记录进行存储过程调用。

将 HDFS、Hive、HBase的数据导出到 Mysql 表中，都会用到下表的参数：

参数

描述

–table \

指定要导出的mysql目标表

–export-dir \

指定要导出的hdfs路径

–input-fields-terminated-by \

指定输入字段分隔符

-m <数值>

执行map任务的个数，默认是4个

2.1 HDFS数据导出至Mysql

首先在 test 数据库中创建 roles_hdfs 数据表：

USE test;
CREATE TABLE `roles_hdfs` (
`ROLE_ID` bigint(20) NOT NULL ,
`CREATE_TIME` int(11) NOT NULL ,
`OWNER_NAME` varchar(128) DEFAULT NULL ,
`ROLE_NAME` varchar(128) DEFAULT NULL ,
PRIMARY KEY (`ROLE_ID`)
)

将HDFS上的数据导出到mysql的test数据库的roles_hdfs表中，执行代码如下：

sqoop export \
--connect jdbc:mysql://10.6.6.72:3309/test \
--username root \
--password root123 \
--table roles_hdfs \
--export-dir /tmp/root/111 \
--input-fields-terminated-by ',' \
-m 1

执行数据导入过程中，会触发MapReduce任务。任务成功之后，前往mysql数据库查看是否导入成功。

2.2 Hive数据导出至Mysql

首先在test数据库中创建roles_hive数据表：

CREATE TABLE `roles_hive` (
`ROLE_ID` bigint(20) NOT NULL ,
`CREATE_TIME` int(11) NOT NULL ,
`OWNER_NAME` varchar(128) DEFAULT NULL ,
`ROLE_NAME` varchar(128) DEFAULT NULL ,
PRIMARY KEY (`ROLE_ID`)
)

由于Hive数据存储在 HDFS 上，所以从根本上还是将 HDFS 上的文件导出到 mysql 的 test 数据库的 roles_hive 表中，执行代码如下：

sqoop export \
--connect jdbc:mysql://10.6.6.72:3309/test \
--username root \
--password root123 \
--table roles_hive \
--export-dir /warehouse/tablespace/managed/hive/roles_test/base_0000001 \
--input-fields-terminated-by ',' \
-m 1

2.3 HBase数据导出至Mysql

目前 Sqoop 不支持从 HBase 直接导出到关系型数据库。可以使用 Hive 周转一下。

2.3.1 创建hive外部表

create external table hive_hbase(id int,CREATE_TIME string,OWNER_NAME string,ROLE_NAME string)
stored by 'org.apache.hadoop.hive.hbase.HBaseStorageHandler'
with serdeproperties ("hbase.columns.mapping" = ":key,info:CREATE_TIME,info:OWNER_NAME,info:ROLE_NAME")
tblproperties("hbase.table.name" = "roles_test");

2.3.2 创建Hive内部表

创建适配于 Hive 外部表的内部表：

1 2	create table if not exists hive_export(id int, CREATE_TIME string, OWNER_NAME string, ROLE_NAME string) row format delimited fields terminated by ',' stored as textfile;

hive_hbase 外部表的源是 HBase 表数据，当创建适配于 hive_hbase 外部表的 Hive 内部表时，指定行的格式为 “,” 。

2.3.3 将外部表的数据导入到内部表中

1 2	insert overwrite table hive_export select * from hive_hbase;

备注：如果该步骤报错，可查看 FAQ 的 3 。

2.3.4 创建Mysql表

CREATE TABLE `roles_hbase` (
`id` bigint(20) NOT NULL,
` create_time` varchar(128) NOT NULL ,
` owner_name` varchar(128) DEFAULT NULL ,
` role_name` varchar(128) DEFAULT NULL ,
PRIMARY KEY (`id`)
)

2.3.5 执行sqoop export

sqoop export \
--connect jdbc:mysql://10.6.6.72:3309/test \
--username root \
--password root123 \
--table roles_hbase \
--export-dir /warehouse/tablespace/managed/hive/hive_export/base_0000003 \
--input-fields-terminated-by ',' \
-m 1

查看mysql中的roles_hbase表，数据成功被导入。

备注：在创建表的时候，一定要注意表字段的类型，如果指定表类型不一致，有可能会报错。