导入数据

在Sqoop中，“导入”概念指：从非大数据集群（RDBMS）向大数据集群（HDFS，HIVE，HBASE）中传输数据，叫做：导入，即使用import关键字

RDBMS到HDFS

(1)确定Mysql服务开启正常
(2)在Mysql中新建一张表并插入一些数据

$ mysql -uroot -p000000
mysql> create database company;
mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));
mysql> insert into company.staff(name, sex) values('Thomas', 'Male');
mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');

(3)导入数据

• 全部导入

  $ bin/sqoop import \
  --connect jdbc:mysql://master:3306/company \
  --username root \
  --password 000000 \
  --table staff \
  --target-dir /user/company \
  --delete-target-dir \
  --num-mappers 1 \
  --fields-terminated-by "\t"

• 查询导入

  $ bin/sqoop import \
  --connect jdbc:mysql://master:3306/company \
  --username root \
  --password 000000 \
  --target-dir /user/company \
  --delete-target-dir \
  --num-mappers 1 \
  --fields-terminated-by "\t" \
  --query 'select name,sex from staff where id <=1 and $CONDITIONS;'

  提示：must contain '$CONDITIONS' in WHERE clause.
  如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。

• 导入指定列

  $ bin/sqoop import \
  --connect jdbc:mysql://master:3306/company \
  --username root \
  --password 000000 \
  --target-dir /user/company \
  --delete-target-dir \
  --num-mappers 1 \
  --fields-terminated-by "\t" \
  --columns id,sex \
  --table staff

  提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格

• 使用sqoop关键字筛选查询导入数据

  $ bin/sqoop import \
  --connect jdbc:mysql://master:3306/company \
  --username root \
  --password 000000 \
  --target-dir /user/company \
  --delete-target-dir \
  --num-mappers 1 \
  --fields-terminated-by "\t" \
  --table staff \
  --where "id=1"

RDBMS到Hive

$ bin/sqoop import \
--connect jdbc:mysql://master:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table staff_hive

提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库，第一步默认的临时目录是/user/master/表名

RDBMS到Hbase

$ bin/sqoop import \
--connect jdbc:mysql://master:3306/company \
--username root \
--password 000000 \
--table company \
--columns "id,name,sex" \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_company" \
--num-mappers 1 \
--split-by id

提示：sqoop1.4.6只支持HBase1.0.1之前的版本的自动创建HBase表的功能
解决方案：手动创建HBase表

hbase> create 'hbase_company,'info'

在HBase中scan这张表得到如下内容

hbase> scan ‘hbase_company’

导出数据

在Sqoop中，“导出”概念指：从大数据集群（HDFS，HIVE，HBASE）向非大数据集群（RDBMS）中传输数据，叫做：导出，即使用export关键字。

HIVE/HDFS到RDBMS

$ bin/sqoop export \
--connect jdbc:mysql://master:3306/company \
--username root \
--password 000000 \
--table staff \
--num-mappers 1 \
--export-dir /user/hive/warehouse/staff_hive \
--input-fields-terminated-by "\t"

提示：Mysql中如果表不存在，不会自动创建

脚本打包

使用opt格式的文件打包sqoop命令，然后执行

• 创建一个.opt文件

  $ mkdir opt
  $ touch opt/job_HDFS2RDBMS.opt

• 编写sqoop脚本

  $ vi opt/job_HDFS2RDBMS.opt
  
  export
  --connect
  jdbc:mysql://master:3306/company
  --username
  root
  --password
  000000
  --table
  staff
  --num-mappers
  1
  --export-dir
  /user/hive/warehouse/staff_hive
  --input-fields-terminated-by
  "\t"

• 执行该脚本

  $ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt