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）中的数据导入到Hadoop的HDFS中，也可以将HDFS的数据导入到关系型数据库中。
http://sqoop.apache.org/
环境
当调试过程出现IncompatibleClassChangeError一般都是版本兼容问题。
为了保证hadoop和sqoop版本的兼容性，使用Cloudera，
Cloudera简介：
Cloudera为了让Hadoop的配置标准化，可以帮助企业安装，配置，运行hadoop以达到大规模企业数据的处理和分析。
http://www.cloudera.com/content/cloudera-content/cloudera-docs/CDHTarballs/3.25.2013/CDH4-Downloadable-Tarballs/CDH4-Downloadable-Tarballs.html
下载安装hadoop-0.20.2-cdh3u6，sqoop-1.3.0-cdh3u6。
目的
将mysql数据转换为hadoop文件，从而可以使用map/reduce进行大数据的分析，然后再将分析结果转换回mysql，供业务查询调用。
安装
安装比较简单，直接解压即可
唯一需要做的就是将mysql的jdbc适配包mysql-connector-java-5.0.7-bin.jar copy到$SQOOP_HOME/lib下。
配置好环境变量：/etc/profile
export SQOOP_HOME=/home/hadoop/sqoop-1.3.0-cdh3u6/
export PATH=$SQOOP_HOME/bin:$PATH
MYSQL转HDFS-示例
./sqoop import --connect jdbc:mysql://10.8.210.166:3306/recsys --username root --password root --table shop -m 1 --target-dir /user/recsys/input/shop/$today
|
输出数据： ./hadoop fs -cat /user/recsys/input/shop/2013-05-07/* 生成的hdfs数据 287,516809,0,0,6,25,45.78692,126.65384 288,523944,0,0,29,6,120.26087,30.17264 ------------------------------------------------------- |
HDFS转MYSQ-示例
./sqoop export --connect jdbc:mysql://10.8.210.166:3306/recsys --username root --password root --table shopassoc --fields-terminated-by ',' --export-dir /user/recsys/output/shop/$today
|
输入数据： ./hadoop fs -cat /user/recsys/output/shop/2013-05-07/* Hdfs原始数据 null,857207,729974,947.0818,29,2013-05-08 10:22:29 null,857207,524022,1154.2603,29,2013-05-08 10:22:29 -------------------------------------------------------------------------- |
技巧
导出导入的数据与字段的顺序进行匹配
从HDFS转换回mysql 的时候，自动增长的主键字段处，可以留空
示例参数说明
参数类型 | 参数名 | 解释 |
公共 | connect | Jdbc-url |
公共 | username | --- |
公共 | password | --- |
公共 | table | 表名 |
Import | target-dir | 制定输出hdfs目录，默认输出到/user/$loginName/ |
export | fields-terminated-by | Hdfs文件中的字段分割符，默认是“\t” |
export | export-dir | hdfs文件的路径 |
导出大数据的拆分：
m | 使用多少个并行导入，默认是1，未开启，数据量大的话会自动根据主键ID进行拆分 |
split-by | 使用于没有主键的表的拆分，指定拆分的字段，拆分的原则是分布要广泛（自动拆分） |
Where | 同时可以手动执行多次，通过where条件进行手动拆分 |
参数 | 解释 |
Job | 定时作业, 个人觉得没啥意义，通常我更相信crontab |
eval | 执行sql，远程进行一些操作，但是经过测试发现不支持 delete |
create-hive-table | 复制某一个数据源的数据存储到hive
|
CIO之家 www.ciozj.com 公众号:imciow