Sqoop 简明教程

Sqoop - Import

本章介绍如何从 MySQL 数据库导入数据到 Hadoop HDFS。“导入工具”将 RDBMS 中的各个表导入到 HDFS。表中的每一行都被视为 HDFS 中的一条记录。所有记录都作为文本数据存储在文本文件中的，或者作为二进制数据存储在 Avro 和 Sequence 文件中。

Syntax

以下语法用于将数据导入至 HDFS。

$ sqoop import (generic-args) (import-args)
$ sqoop-import (generic-args) (import-args)

Example

让我们以三个表为例，分别命名为 emp 、 emp_add 和 emp_contact ，这些表位于 MySQL 数据库服务器的 userdb 数据库中。

这三个表及其数据如下。

emp:

name

deg

salary

dept

1201

gopal

manager

50,000

1202

manisha

Proof reader

50,000

1203

khalil

php dev

30,000

1204

prasanth

php dev

30,000

1204

kranthi

admin

20,000

emp_add:

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

emp_contact:

id	phno	email
1201	2356742	gopal@tp.com
1202	1661663	manisha@tp.com
1203	8887776	khalil@ac.com
1204	9988774	prasanth@ac.com
1205	1231231	kranthi@tp.com

Importing a Table

Sqoop 工具“import”用于将表数据从表作为文本文件或二进制文件导入 Hadoop 文件系统。

以下命令用于将 emp 表从 MySQL 数据库服务器导入至 HDFS。

$ sqoop import \
--connect jdbc:mysql://localhost/userdb \
--username root \
--table emp --m 1

如果执行成功，则会获得以下输出。

14/12/22 15:24:54 INFO sqoop.Sqoop: Running Sqoop version: 1.4.5
14/12/22 15:24:56 INFO manager.MySQLManager: Preparing to use a MySQL streaming resultset.
14/12/22 15:24:56 INFO tool.CodeGenTool: Beginning code generation
14/12/22 15:24:58 INFO manager.SqlManager: Executing SQL statement:
   SELECT t.* FROM `emp` AS t LIMIT 1
14/12/22 15:24:58 INFO manager.SqlManager: Executing SQL statement:
   SELECT t.* FROM `emp` AS t LIMIT 1
14/12/22 15:24:58 INFO orm.CompilationManager: HADOOP_MAPRED_HOME is /usr/local/hadoop
14/12/22 15:25:11 INFO orm.CompilationManager: Writing jar file:
   /tmp/sqoop-hadoop/compile/cebe706d23ebb1fd99c1f063ad51ebd7/emp.jar
-----------------------------------------------------
-----------------------------------------------------
14/12/22 15:25:40 INFO mapreduce.Job: The url to track the job:
   http://localhost:8088/proxy/application_1419242001831_0001/
14/12/22 15:26:45 INFO mapreduce.Job: Job job_1419242001831_0001 running in uber mode :
   false
14/12/22 15:26:45 INFO mapreduce.Job: map 0% reduce 0%
14/12/22 15:28:08 INFO mapreduce.Job: map 100% reduce 0%
14/12/22 15:28:16 INFO mapreduce.Job: Job job_1419242001831_0001 completed successfully
-----------------------------------------------------
-----------------------------------------------------
14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Transferred 145 bytes in 177.5849 seconds
   (0.8165 bytes/sec)
14/12/22 15:28:17 INFO mapreduce.ImportJobBase: Retrieved 5 records.

要验证 HDFS 中导入的数据，请使用以下命令。

$ $HADOOP_HOME/bin/hadoop fs -cat /emp/part-m-*

它将显示 emp 表数据，其中字段以逗号 (,) 分隔。

1201, gopal,    manager, 50000, TP
1202, manisha,  preader, 50000, TP
1203, kalil,    php dev, 30000, AC
1204, prasanth, php dev, 30000, AC
1205, kranthi,  admin,   20000, TP

Importing into Target Directory

使用 Sqoop 导入工具将表数据导入 HDFS 时，我们可以指定目标目录。

以下是将目标目录指定为 Sqoop 导入命令选项的语法。

--target-dir <new or exist directory in HDFS>

以下命令用于将 emp_add 表数据导入“/queryresult”目录。

$ sqoop import \
--connect jdbc:mysql://localhost/userdb \
--username root \
--table emp_add \
--m 1 \
--target-dir /queryresult

以下命令用于验证 emp_add 表中 /queryresult 目录表单中导入的数据。

$ $HADOOP_HOME/bin/hadoop fs -cat /queryresult/part-m-*

会显示 emp_add 表数据，其中字段以逗号 (,) 分隔。

1201, 288A, vgiri,   jublee
1202, 108I, aoc,     sec-bad
1203, 144Z, pgutta,  hyd
1204, 78B,  oldcity, sec-bad
1205, 720C, hitech,  sec-bad

Import Subset of Table Data

我们可以使用 Sqoop 导入工具中的“where”子句导入表的子集。它会在各个数据库服务器中执行对应的 SQL 查询，并将结果存储在 HDFS 的目标目录中。

where 子句的语法如下。

--where <condition>

以下命令用于导入 emp_add 表数据的一个子集。子集查询用于检索居住在 Secunderabad 市的员工 ID 和地址。

$ sqoop import \
--connect jdbc:mysql://localhost/userdb \
--username root \
--table emp_add \
--m 1 \
--where “city =’sec-bad’” \
--target-dir /wherequery

以下命令用于验证 emp_add 表中 /wherequery 目录中导入的数据。

$ $HADOOP_HOME/bin/hadoop fs -cat /wherequery/part-m-*

会显示 emp_add 表数据，其中字段以逗号 (,) 分隔。

1202, 108I, aoc,     sec-bad
1204, 78B,  oldcity, sec-bad
1205, 720C, hitech,  sec-bad

Incremental Import

增量导入是一种仅导入表中新添加行的技术。需要添加“incremental”、“check-column”和“last-value”选项以执行增量导入。

Sqoop 导入命令中的增量选件使用以下语法。

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

让我们假设新添加的数据为 emp 表，如下所示 −

1206, satish p, grp des, 20000, GR

使用以下命令来执行 emp 表中的增量导入。

$ sqoop import \
--connect jdbc:mysql://localhost/userdb \
--username root \
--table emp \
--m 1 \
--incremental append \
--check-column id \
-last value 1205

使用以下命令来验证 emp 表与 HDFS emp/ 目录之间导入的数据。

$ $HADOOP_HOME/bin/hadoop fs -cat /emp/part-m-*

它以逗号 (,) 分隔字段显示 emp 表数据。

1201, gopal,    manager, 50000, TP
1202, manisha,  preader, 50000, TP
1203, kalil,    php dev, 30000, AC
1204, prasanth, php dev, 30000, AC
1205, kranthi,  admin,   20000, TP
1206, satish p, grp des, 20000, GR

使用以下命令来从 emp 表查看已修改或新添加的行。

$ $HADOOP_HOME/bin/hadoop fs -cat /emp/part-m-*1

它以逗号 (,) 分隔字段显示新添加的 emp 表行。

1206, satish p, grp des, 20000, GR