Sqoop - 导入

本章介绍如何将数据从 MySQL 数据库导入 Hadoop HDFS。"导入工具"将单个表从 RDBMS 导入 HDFS。表中的每一行都被视为 HDFS 中的一条记录。所有记录都以文本数据的形式存储在文本文件中，或以二进制数据的形式存储在 Avro 和 Sequence 文件中。

语法

以下语法用于将数据导入 HDFS。

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

示例

我们以 MySQL 数据库服务器中名为 userdb 的数据库中的三个表为例，它们分别名为 emp、emp_add 和 emp_contact。

这三个表及其数据如下。

emp:

emp_add:

emp_contact:

导入表

Sqoop 工具'import'用于将表中的数据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 数据库服务器导入到 HDFS。

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

如果执行成功，则会得到以下输出。

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.

To verify the imported data in HDFS, use the following command.

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

它向您显示了 emp 表数据，并且字段以逗号 (,) 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

导入目标目录

我们可以在使用 Sqoop 导入工具将表数据导入 HDFS 时指定目标目录。

以下是将目标目录指定为 Sqoop 导入命令选项的语法。

--target-dir <HDFS 中的新目录或现有目录>

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 /queryresult 目录中导入的 emp_add 表数据。

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

它将向您显示以逗号 (,) 分隔字段的 emp_add 表数据。

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

导入表数据子集

我们可以使用 Sqoop 导入工具中的"where"子句导入表的子集。它在相应的数据库服务器中执行相应的 SQL 查询，并将结果存储在 HDFS 中的目标目录中。

where 子句的语法如下。

--where <condition>

以下命令用于导入 emp_add 表数据的子集。子集查询用于检索居住在塞康德拉巴德市的员工 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

以下命令用于验证从 emp_add 表导入的 /wherequery 目录中的数据。

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

它将向您显示 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

增量导入

增量导入是一种仅导入表中新添加的行的技术。需要添加"incremental"、"check-column"和"last-value"选项才能执行增量导入。

Sqoop import 命令中的增量选项使用以下语法。

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

假设新添加到 emp 表中的数据如下 −

1206, satish p, grp des, 20000, GR

以下命令用于在 emp 表中执行增量导入。

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

以下命令用于验证从 emp 表导入到 HDFS emp/ 目录的数据。

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

它向您显示 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
1206, satish p, grp des, 20000, GR

以下命令用于查看 emp 表中已修改或新添加的行。

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

它向您显示 emp 表中新添加的行，其中字段以逗号 (,) 分隔。

1206, satish p, grp des, 20000, GR