分布式ETL工具Sqoop实践

Mysql数据准备

1、在node02节点登录Mysql。

mysql -uroot -proot
1

2、新建数据库testdb。

create database testdb;
1

3、新建数据表ts。

use testdb;
create table ts(id int, name varchar(10), age int, sex char(1));
1
2

4、向表中插入数据。

insert into ts values(10001,'张三',18,'m');
insert into ts values(10002,'李四',20,'m');
insert into ts values(10003,'王小姐',18,'w');
1
2
3

Sqoop基本使用

1、查看MySQL中的所有数据库。

sqoop list-databases --connect jdbc:mysql://node02:3306/ --username root --password root
1

2、在/root目录下新建sqoop_file目录用于存放作业配置文件。

mkdir /root/sqoop
1

3、在/root/sqoop_file目录编写配置文件list_dbs.conf，减少重复参数配置。

vim list_dbs.conf
# 添加以下内容
list-databases
--connect
jdbc:mysql://node02:3306/
--username
root
--password
root
1
2
3
4
5
6
7
8
9

4、使用配置文件启动sqoop作业。

sqoop --options-file list_dbs.conf
1

5、查看testdb中所有表，使用非明文方式，手动输入密码。

sqoop list-tables \
   --connect jdbc:mysql://node02:3306/testdb \
   --username root \
   -P
1
2
3
4

6、在Mysql中执行SQL并将结果展示在控制台。

sqoop eval \
  --connect jdbc:mysql://node02:3306/testdb \
  --query "SELECT * FROM ts LIMIT 10" \
  --username root \
  -P
1
2
3
4
5

7、将testdb.ts表中所有数据全量导入到hdfs的/tmp/sqoop/testdb/ts目录中。

sqoop import \
   --connect jdbc:mysql://node02:3306/testdb \
   --username root \
   --query "select * from ts where \$CONDITIONS" \
   --target-dir /tmp/sqoop/testdb/ts \
   --fields-terminated-by "," \
   --hive-drop-import-delims \
   --split-by id \
   -m 1\
   -P
1
2
3
4
5
6
7
8
9
10

8、查看最终结果。

hadoop fs -ls /tmp/sqoop/testdb/ts
hadoop fs -cat /tmp/sqoop/testdb/ts/part-m-00000
1
2

9、在MySQL中新增一条数据。

insert into ts values(10004,'张飞',28,'m');
1

9、使用append增量方式将新增数据导入到/tmp/sqoop/testdb/ts/目录中。

sqoop import \
   --connect jdbc:mysql://node02:3306/testdb \
   --username root \
   --password root \
   --query "select * from ts where \$CONDITIONS" \
   --target-dir /tmp/sqoop/testdb/ts/ \
   --split-by id \
   -m 1  \
   --incremental append \
   --check-column id \
   --last-value 10003
1
2
3
4
5
6
7
8
9
10
11

11、查看导入结果。

hadoop fs -ls /tmp/sqoop/testdb/ts
hadoop fs -cat /tmp/sqoop/testdb/ts/part-m-00001
1
2

Sqoop Job操作

将sqoop任务编写为sqoop job，能够减少每次作业执行前，进行的参数配置工作。

1. 将增量导入任务制作为sqoop job。

sqoop job --create im_ts \
   -- import \
   --connect jdbc:mysql://node02:3306/testdb \
   --username root \
   --password root \
   --query "select * from ts where \$CONDITIONS" \
   --target-dir /tmp/sqoop/testdb/ts/ \
   --split-by id \
   -m 1  \
   --incremental append \
   --check-column id \
   --last-value 10004
1
2
3
4
5
6
7
8
9
10
11
12

2. 查看所有作业。

sqoop job --list
1

3. 查看指定作业的详细信息。

sqoop job --show im_ts
1

4. 在MySQL中新增数据。

insert into ts values(10005,'赵子龙',27,'m');
1

5. 运行作业，增量导入数据，这里需要手动输入数据库密码，Sqoop job默认不保存。

sqoop job --exec im_ts
1

6. 查看导入结果。

hadoop fs -cat /tmp/sqoop/testdb/ts/part-m-00002
1

7. 再次在MySQL中新增数据。

insert into ts values(10006,'悟空',5000,'m');
1

8. 运行作业，此时不需要手动修改--last-value，作业会自动根据上次的结果进行更新。

sqoop job --exec im_ts
1

9. 修改$SQOOP_HOME/conf/sqoop-site.xml配置文件，可以使sqoop job自动保存密码。

  
    sqoop.metastore.client.record.password
    true
    If true, allow saved passwords in the metastore.
    
  
1
2
3
4
5
6