Sqoop入门:如何下载、配置和使用

发布时间:2023年12月20日

下载和配置

Sqoop是Apache的一个开源工具,主要用于在Hadoop和关系数据库之间传输数据。以下是一些关于如何下载和配置Sqoop的步骤:

  1. 下载Sqoop:你可以从Apache的官方网站下载Sqoop。大多数企业使用的Sqoop版本是Sqoop1,例如sqoop-1.4.6或sqoop-1.4.7。
    Apache Sqoop - Apache Attic
    需注意的是要确定下载的版本和你的Hadoop版本兼容。

  2. 解压缩安装包:将下载的Sqoop tar.gz文件解压到指定目录。

tar xvf sqoop-1.4.7.bin__hadoop-2.6.0.tar.gz -C /opt
ln -s /opt/sqoop-1.4.7.bin__hadoop-2.6.0/ /opt/apps/sqoop
  1. 修改配置文件:进入到conf文件夹,找到sqoop-env-template.sh,修改其名称为sqoop-env.sh。然后编辑sqoop-env.sh文件,设置HADOOP_COMMON_HOME,HADOOP_MAPRED_HOME,HIVE_HOME等环境变量。
cp /opt/apps/sqoop/conf/sqoop-env-template.sh /opt/apps/sqoop/conf/sqoop-env.sh

并编辑其中的内容,设置HADOOP_COMMON_HOME和HADOOP_MAPRED_HOME为你的Hadoop安装目录,例如:

export HADOOP_COMMON_HOME=/opt/apps/hadoop
export HADOOP_MAPRED_HOME=/opt/apps/hadoop
  1. 添加MySQL驱动:将MySQL的JDBC驱动包(例如mysql-connector-java-5.1.40-bin.jar)添加到Sqoop的lib目录下。
    可以从central.maven.org也可以下载其他数据库的JDBC驱动,如果你需要连接其他类型的数据库。
    需注意的是,你的MySQL驱动要和你的数据库版本兼容。

  2. 配置环境变量:在系统的环境变量中添加SQOOP_HOME,并将其添加到PATH中。

export SQOOP_HOME=/opt/apps/sqoop
export PATH=$PATH:$SQOOP_HOME/bin
  1. 验证安装: 打开终端或命令行界面,输入 sqoop version 命令,确认是否成功安装和配置了 Sqoop。

使用

以下是sqoop的指令示例和详解。

导入数据到Hadoop

命令:

sqoop import --connect <jdbc-url> --username <username> --password <password> --table <table-name> --target-dir <target-directory>

参数说明:

  • --connect <jdbc-url>:数据库连接URL。
  • --username <username>:数据库用户名。
  • --password <password>:数据库密码。
  • --table <table-name>:要导入的数据库表名。
  • --target-dir <target-directory>:Hadoop中存储导入数据的目标目录。

导出数据到关系型数据库

命令:


sqoop export --connect <jdbc-url> --username <username> --password <password> --table <table-name> --export-dir <export-directory>

参数说明:

  • --connect <jdbc-url>:目标数据库连接URL。
  • --username <username>:目标数据库用户名。
  • --password <password>:目标数据库密码。
  • --table <table-name>:要导出到的目标数据库表名。
  • --export-dir <export-directory>:Hadoop中存储待导出数据的目录。

其他常用参数:

  • --fields-terminated-by <char>:设置字段分隔符。
  • --lines-terminated-by <char>:设置行分隔符。
  • --null-string <null-str>:指定数据库中的 NULL 表示的字符串。
  • --null-non-string <null-str>:指定数据库中的 NULL 表示的非字符串。

分隔符

在使用 Sqoop 进行数据传输时,默认情况下,它使用逗号(,)作为字段分隔符,并采用换行符(\n)作为行分隔符。这意味着,如果数据包含文本字段并且这些字段中含有逗号,可能会导致在使用 Hive 建立映射表时出现错误。然后导致建表后查询出现null的囧状。

image.png

为避免这种情况,可以手动指定字段分隔符,例如使用 --fields-terminated-by '#' 的参数。这个操作前提是你的文本数据中不包含 # 这个字符。接下来,在 Hive 表中也需要指定字段分隔符为 #,这样就能够成功地按照 # 分割字段。(需要注意的是,该指令只能接受单个字符作为分隔符。)

文章来源:https://blog.csdn.net/kilig_CSM/article/details/135102140
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。