Sqoop 数据迁移工具

sqoop : SQL to hadOOP

两个功能:

1、 RDB 向HDFS导入

2、 HDFS向RDB导入

注：拷贝mysql-connector.jar 和 json.jar 到sqoop/lib目录下

命令很长，一般写成shell脚本。（运行需要启动 HDFS 、Yarn[mapreduce作业必须]、SQL）

COLUMN 、WHERE限定

sqoop import \
#import指从sql导入到hdfs
--connect jdbc:mysql://localhost:3306/test \
# 可选 --driver com.mysql.jdbc.Driver
                            #test是目标数据库名
--table customers \
                            #目标表名
--columns "fname,lname" \
                            #可以使用columns指定字段
--where "order_date>'2019-1-1'" \
                            #可以使用where筛选原数据
--username root \
                            #数据库登陆用户名
--password rw \
                            #密码
--target-dir /sqoop/test_rdb/customers \
                            #hdfs 的目标路径，不指定的话会放在/user/【username】/【tbl_name】下
--delete-target-dir \
#覆盖到hdfs（即删除原目录），慎选
-m 3
#map工作者数目，决定最终文件数
#导入的结果是csv格式的文件

注意：斜杠符需要前空格

自由Query查询导入

sqoop import \
#import指从sql导入到hdfs
--connect jdbc:mysql://localhost:3306/test \
#test是目标数据库名
#自由查询不需要指定--table，会冲突
#目标表名
--query "select * from userinfos where host!='127.0.0.1' and \$CONDITIONS" \
# '\$CONDITIONS' 查询必须以该语句结尾
--split-by 'username' \ #指定按照那个字段分区（split到各个mapper）
--username root \
--password rw \
--target-dir /sqoop/test_rdb/customers \  #自由查询必须要指定，因为无法根据--table 自动生成目录名
-m 3

增量导入

--incremental append|lastmodified  #指定增量方式，append追加记录，lastmodified更新
--check-column fieldname  \ #指定增量列，排序列
--last-value 'xxxx' \ #上一次导入时，check-column的最大值,从这个值开始升序导入

注：lastmodified 要求排序列必须是时间戳(int)或者日期格式(yyyy-MM-dd)

HDFS导入总结：

必要参数:
sqoop import \
--connect jdbc:mysql://ip:3306/dbname
--username name \
--password passwd \
--table tbl_name \
可选参数：
-m 3                 #指定mapper工作者数量
-as-sequencefile|textfile|parquetfile|avrodatafile #存储类型
自由查询：
--query "select ... and \$CONDITIONS" \
--target-dir /path/ \ #必须
--split-by 'filedName' #可选
一般限定:
--columns "field1,field2" \ #可选
--where "field<=value" \ #可选
--target-dir /path/ \  #可选


sqoop import \
--connect jdbc....
--table orders \ #也可以使用query
--username root \
--password rw \

--hive-import \
--create-hive-table \            #自动建表，表元数据同sql，名已存在会报错，一般不用。--hive-overwrite是自动覆盖旧表。
--hive-database dbname \        #目标hive数据库和表
--hive-table orders \   #也可以使用库名.表名的方式
-m 3

指定分区

--hive-partition-key "field_name" \
--hive-partition-value "value" \
#通过字段和值，指定要存储的分区。

可能的运行错误：

——————————————————————————————————

Q: ERROR hive.HiveConfig: Could not load org.apache.hadoop.hive.conf.HiveConf. Make sure HIVE_CONF_DIR is set correctly.

A:往/etc/profile最后加入

export HADOOP_CLASSPATH=HADOOP_CLASSPATH:$HIVE_HOME/lib/*

export HIVE_CONF_DIR=/opt/hive/conf

A2:复制hive/lib目录下的hive-common*包到sqoop/lib目录下

——————————————————————————————————

Q：ERROR Could not register mbeans java.security.AccessControlException: access denied

("javax.management.MBeanTrustPermission" "register")

A：将hive-site.xml复制到${SQOOP_HOME}/conf下即可.

A2：添加以下代码到${JDK_HOME}/jre/lib/security/java.policy

grant {
　　permission javax.management.MBeanTrustPermission "register";
};

——————————————————————————————————

Q:ERROR exec.DDLTask: java.lang.NoSuchMethodError: com.fasterxml.jackson.databind.ObjectMapper.readerFor(Ljava/lang/Class;)Lcom/fasterxml/jackson/databind/ObjectReader;

A:jackson jar包版本冲突，将sqoop/lib下的jackson.jar备份(mv移动到另一个目录下)， 然后将hive/lib包下的jackson.*拷贝到sqoop/lib下。

——————————————————————————————————

Q：IOException throw in HIVE

A：复制hive/lib/log4j-slf4j-impl* 包到sqoop/lib 目录下，或者export HADOOP_CLASSPATH=HADOOP_CLASSPATH:$HIVE_HOME/lib/*

HBase导入使用

sqoop import \
--connect jdbc:mysql://localhost:3306/test \
--username root \
--password rw \
--table customers \
--columns "customer_id,custmoer_firstname,customer_lastname" \

--hbase-table customerinfo \
--column-family CustomerName \
--hbase-row-key customernum \
-m 1


sqoop export \
--connect jdbc:mysql://localhost:3306/test \
--username root \
--password rw \
--table customers \ #这是目标sql库中的表，表必须已存在
--export-dir /data/sqoop/emp \ #源文件路径
-m 1


#其他的同导入，运行时反过来就可以了
#!/bin/bash
sqoop export \
--connect jdbc:mysql://localhost:3306/mytest \
--username root \
--password rw \
--table customers \ #这是目标sql库中的表，表必须已存在
--fields-terminated-by "\001" \  #默认字段分隔符是\001，如果DDL时指定了则使用指定的分隔符
--export-dir /user/hive/warehouse/customers \ #这是hive中表内容的存储目录，desc formatted tbl
-m 1