about云开发-活到老 学到老

 找回密码
 立即注册

QQ登录

只需一步,快速开始

扫一扫,访问微社区

查看: 356179|回复: 31
打印 上一主题 下一主题

Sqoop详细介绍包括:sqoop命令,原理,流程

[复制链接]
跳转到指定楼层
楼主
发表于 2013-12-25 16:08:34 | 只看该作者 回帖奖励 |倒序浏览 |阅读模式
一简介

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)中的数据导进到Hadoop的HDFS中,也可以将HDFS的数据导进到关系型数据库中。

二特点

Sqoop中一大亮点就是可以通过hadoop的mapreduce把数据从关系型数据库中导入数据到HDFS。

三 Sqoop 命令

Sqoop大约有13种命令,和几种通用的参数(都支持这13种命令),这里先列出这13种命令。
接着列出Sqoop的各种通用参数,然后针对以上13个命令列出他们自己的参数。Sqoop通用参数又分Common arguments,Incremental import arguments,Output line formatting arguments,Input parsing arguments,Hive arguments,HBase arguments,Generic Hadoop command-line arguments,下面一一说明:
1.Common arguments
通用参数,主要是针对关系型数据库链接的一些参数

四  sqoop命令举例

1)列出mysql数据库中的所有数据库
sqoop list-databases –connect jdbc:mysql://localhost:3306/ –username root –password 123456


2)连接mysql并列出test数据库中的表
sqoop list-tables –connect jdbc:mysql://localhost:3306/test –username root –password 123456
命令中的test为mysql数据库中的test数据库名称 username password分别为mysql数据库的用户密码


3)将关系型数据的表结构复制到hive中,只是复制表的结构,表中的内容没有复制过去。
sqoop create-hive-table –connect jdbc:mysql://localhost:3306/test
–table sqoop_test –username root –password 123456 –hive-table
test
其中 –table sqoop_test为mysql中的数据库test中的表 –hive-table
test 为hive中新建的表名称


4)从关系数据库导入文件到hive中
sqoop import –connect jdbc:mysql://localhost:3306/zxtest –username
root –password 123456 –table sqoop_test –hive-import –hive-table
s_test -m 1


5)将hive中的表数据导入到mysql中,在进行导入之前,mysql中的表
hive_test必须已经提起创建好了。
sqoop export –connect jdbc:mysql://localhost:3306/zxtest –username
root –password root –table hive_test –export-dir
/user/hive/warehouse/new_test_partition/dt=2012-03-05


6)从数据库导出表的数据到HDFS上文件
./sqoop import –connect
jdbc:mysql://10.28.168.109:3306/compression –username=hadoop
–password=123456 –table HADOOP_USER_INFO -m 1 –target-dir
/user/test


7)从数据库增量导入表数据到hdfs中
./sqoop import –connect jdbc:mysql://10.28.168.109:3306/compression
–username=hadoop –password=123456 –table HADOOP_USER_INFO -m 1
–target-dir /user/test  –check-column id –incremental append
–last-value 3

五 Sqoop原理(以import为例)

Sqoop在import时,需要制定split-by参数。Sqoop根据不同的split-by参数值来进行切分,然后将切分出来的区域分配到不同map中。每个map中再处理数据库中获取的一行一行的值,写入到HDFS中。同时split-by根据不同的参数类型有不同的切分方法,如比较简单的int型,Sqoop会取最大和最小split-by字段值,然后根据传入的num-mappers来确定划分几个区域。 比如select max(split_by),min(split-by) from得到的max(split-by)和min(split-by)分别为1000和1,而num-mappers为2的话,则会分成两个区域(1,500)和(501-100),同时也会分成2个sql给2个map去进行导入操作,分别为select XXX from table where split-by>=1 and split-by<500和select XXX from table where split-by>=501 and split-by<=1000。最后每个map各自获取各自SQL中的数据进行导入工作。

六mapreduce job所需要的各种参数在Sqoop中的实现

1) InputFormatClass
com.cloudera.sqoop.mapreduce.db.DataDrivenDBInputFormat

2) OutputFormatClass
1)TextFile
com.cloudera.sqoop.mapreduce.RawKeyTextOutputFormat
2)SequenceFile
org.apache.hadoop.mapreduce.lib.output.SequenceFileOutputFormat
3)AvroDataFile
com.cloudera.sqoop.mapreduce.AvroOutputFormat


3)Mapper
1)TextFile
com.cloudera.sqoop.mapreduce.TextImportMapper                 
2)SequenceFile
com.cloudera.sqoop.mapreduce.SequenceFileImportMapper        

3)AvroDataFile
com.cloudera.sqoop.mapreduce.AvroImportMapper

4)taskNumbers
1)mapred.map.tasks(对应num-mappers参数)   
2)job.setNumReduceTasks(0);

这里以命令行:import –connect jdbc:mysql://localhost/test  –username root –password 123456 –query “select sqoop_1.id as foo_id, sqoop_2.id as bar_id from sqoop_1 ,sqoop_2  WHERE $CONDITIONS” –target-dir /user/sqoop/test -split-by sqoop_1.id   –hadoop-home=/home/hdfs/hadoop-0.20.2-CDH3B3  –num-mappers 2


1)设置Input
DataDrivenImportJob.configureInputFormat(Job job, String tableName,String tableClassName, String splitByCol)

a)DBConfiguration.configureDB(Configuration conf, String driverClass,     String dbUrl, String userName, String passwd, Integer fetchSize)
1).mapreduce.jdbc.driver.class com.mysql.jdbc.Driver
2).mapreduce.jdbc.url  jdbc:mysql://localhost/test              
3).mapreduce.jdbc.username  root
4).mapreduce.jdbc.password  123456
5).mapreduce.jdbc.fetchsize -2147483648

b)DataDrivenDBInputFormat.setInput(Job job,Class<? extends DBWritable> inputClass, String inputQuery, String inputBoundingQuery)
1)job.setInputFormatClass(DBInputFormat.class);                 
2)mapred.jdbc.input.bounding.query SELECT MIN(sqoop_1.id), MAX(sqoop_2.id) FROM (select sqoop_1.id as foo_id, sqoop_2.id as bar_id from sqoop_1 ,sqoop_2  WHERE  (1 = 1) ) AS t1
3)job.setInputFormatClass(com.cloudera.sqoop.mapreduce.db.DataDrivenDBInputFormat.class);
4)mapreduce.jdbc.input.orderby sqoop_1.id
c)mapreduce.jdbc.input.class QueryResult
d)sqoop.inline.lob.length.max 16777216

2)设置Output
ImportJobBase.configureOutputFormat(Job job, String tableName,String tableClassName)
a)job.setOutputFormatClass(getOutputFormatClass());               
b)FileOutputFormat.setOutputCompressorClass(job, codecClass);
c)SequenceFileOutputFormat.setOutputCompressionType(job,CompressionType.BLOCK);
d)FileOutputFormat.setOutputPath(job, outputPath);


3)设置Map
DataDrivenImportJob.configureMapper(Job job, String tableName,String tableClassName)
     a)job.setOutputKeyClass(Text.class);
     b)job.setOutputValueClass(NullWritable.class);
c)job.setMapperClass(com.cloudera.sqoop.mapreduce.TextImportMapper);

4)设置task number
JobBase.configureNumTasks(Job job)
mapred.map.tasks 4
job.setNumReduceTasks(0);

七 大概流程

1.读取要导入数据的表结构,生成运行类,默认是QueryResult,打成jar包,然后提交给Hadoop

2.设置好job,主要也就是设置好以上第六章中的各个参数

3.这里就由Hadoop来执行MapReduce来执行Import命令了,

1)首先要对数据进行切分,也就是DataSplit
DataDrivenDBInputFormat.getSplits(JobContext job)

2)切分好范围后,写入范围,以便读取
DataDrivenDBInputFormat.write(DataOutput output) 这里是lowerBoundQuery and  upperBoundQuery

3)读取以上2)写入的范围
DataDrivenDBInputFormat.readFields(DataInput input)

4)然后创建RecordReader从数据库中读取数据
DataDrivenDBInputFormat.createRecordReader(InputSplit split,TaskAttemptContext context)

5)创建Map
TextImportMapper.setup(Context context)

6)RecordReader一行一行从关系型数据库中读取数据,设置好Map的Key和Value,交给Map
DBRecordReader.nextKeyValue()

7)运行map
TextImportMapper.map(LongWritable key, SqoopRecord val, Context context)
最后生成的Key是行数据,由QueryResult生成,Value是NullWritable.get()

八 总结

通过这些,了解了MapReduce运行流程.但对于Sqoop这种切分方式感觉还是有很大的问题.比如这里根据ID范围来切分,如此切分出来的数据会很不平均,比如min(split-id)=1,max(split-id)=3000,交给三个map来处理。那么范围是(1-1000),(1001-2000),(2001-3000).而假如1001-2000是没有数据,已经被删除了。那么这个map就什么都不能做。而其他map却累的半死。如此就会拖累job的运行结果。这里说的范围很小,比如有几十亿条数据交给几百个map去做。map一多,如果任务不均衡就会影响进度。看有没有更好的切分方式?比如取样?如此看来,写好map reduce也不简单!、
分享到:  QQ好友和群QQ好友和群 QQ空间QQ空间 腾讯微博腾讯微博 腾讯朋友腾讯朋友 微信微信
收藏收藏17 转播转播 分享分享 分享淘帖 赞3 踩
欢迎加入about云群425860289432264021 ,云计算爱好者群,关注about云腾讯认证空间

6

主题

369

帖子

1704

积分

高级会员

Rank: 4

积分
1704
沙发
发表于 2014-7-28 23:10:40 | 只看该作者

10

主题

102

帖子

629

积分

中级会员

Rank: 3Rank: 3

积分
629
板凳
发表于 2014-8-20 14:17:38 | 只看该作者
sqoop:000> sqoop list-databases -connect jdbc:mysql://172.16.28.77:3306/ -username root -password master
Exception has occurred during processing command
Exception: org.codehaus.groovy.control.MultipleCompilationErrorsException Message: startup failed:
groovysh_parse: 1: expecting EOF, found ':' @ line 1, column 35.
   sqoop list-databases -connect jdbc:mysql://172.16.28.77:3306/ -username root -password master
                                     ^

1 error


sqoop-1.99.3 client里面执行报错

0

主题

144

帖子

701

积分

中级会员

Rank: 3Rank: 3

积分
701
地板
发表于 2014-9-14 08:16:55 | 只看该作者
很详细,学习了!

0

主题

572

帖子

2693

积分

高级会员

Rank: 4

积分
2693
QQ
5#
发表于 2015-1-1 19:02:33 | 只看该作者
舒舒坦坦过日子,折折腾腾学技术

3

主题

36

帖子

160

积分

注册会员

Rank: 2

积分
160
6#
发表于 2015-4-13 10:15:46 | 只看该作者
你解决了没,我也报这错误

0

主题

74

帖子

242

积分

中级会员

Rank: 3Rank: 3

积分
242
7#
发表于 2015-4-15 19:55:58 | 只看该作者

问楼主一个问题,我的sqoop2服务端与客户端启动成功,但是sqoop指令不起作用:sqoop command not found,知道如何解决吗?

1

主题

3

帖子

24

积分

新手上路

Rank: 1

积分
24
8#
发表于 2015-6-11 11:48:31 | 只看该作者
文章里面的下面这条语句
sqoop list-databases -connect jdbc:mysql://localhost:3306/ -username root -password xhq123
其中 -connect、-username、-password 里的连字符竟然是中文的,结果报以下错误:

[hadoop@mdhadoop ~]$ sqoop list-tables –connect jdbc:mysql://localhost/test –username root –password root
15/06/11 11:15:23 INFO sqoop.Sqoop: Running Sqoop version: 1.4.4-cdh5.0.0
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Error parsing arguments for list-tables:
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Unrecognized argument: –connect
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Unrecognized argument: jdbc:mysql://localhost/test
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Unrecognized argument: –username
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Unrecognized argument: root
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Unrecognized argument: –password
15/06/11 11:15:23 ERROR tool.BaseSqoopTool: Unrecognized argument: root



改成英文连字符就好了



2

主题

23

帖子

277

积分

中级会员

Rank: 3Rank: 3

积分
277
9#
发表于 2015-10-21 09:59:02 | 只看该作者

0

主题

39

帖子

136

积分

注册会员

Rank: 2

积分
136
10#
发表于 2015-11-10 22:09:48 | 只看该作者
您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

站长推荐上一条 /4 下一条

QQ|小黑屋|about云开发-学问论坛|社区-大数据云技术学习分享平台 ( 京ICP备12023829号

GMT+8, 2018-4-26 15:26 , Processed in 0.438824 second(s), 38 queries , Gzip On.

Powered by Discuz! X3.2 Licensed

© 2001-2013 Comsenz Inc.

快速回复 返回顶部 返回列表