Sqoop -- 用于Hadoop与关系数据库间数据导入导出工作的工具

　　Sqoop是一款开源的工具，主要用于在Hadoop相关存储（HDFS、Hive、HBase）与传统关系数据库（MySql、Oracle等）间进行数据传递工作。Sqoop最早是作为Hadoop的一个第三方模块存在，后来被独立成为了一个Apache项目。除了关系数据库外，对于某些NoSQL数据库，Sqoop也提供了连接器。

一、Sqoop基础知识

　　Sqoop项目开始于2009年，可以在Hadoop相关存储与传统关系数据库之间进行数据导入导出工作。Sqoop会开启多个MapReduce任务来并行进行数据导入导出工作，提高工作效率。

图1.1 Sqoop简介

二、Sqoop安装

　　本实例安装版本：sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz。

1、将安装文件上传到/usr/local/目录下并解压，然后重命名为sqoop。

2、配置环境变量，执行命令：vi /etc/profile，增加export $SQOOP_HOME=/usr/local/bin，并在export PATH中增加$PIG_HOME/bin，然后执行命令：source /etc/profile使配置文件立即生效。

3、将需要连接的数据库驱动文件拷贝至lib目录下，此实例连接mysql数据库，驱动文件为：mysql-connector-java-5.1.34.jar。注意，hadoop2貌似需要5.1.30以后的mysql驱动版本，否则很可能报错。

三、Sqoop使用命令

　  参考官方文档：http://sqoop.apache.org/docs/1.4.5/index.html。

1、MySQL数据导入到Hadoop

　  sqoop import --connect jdbc:mysql://192.168.137.1:3306/test --username root --password 123456 --table mytabs --fields-terminated-by ' ' -m 1 [--hive-import] --append --check-column 'id'  --incremental append --last-value 5 --where 'id>2 and id<5'

　  常用参数说明：

　  ▶ --fields-terminated-by ' '，表示将数据导入到hadoop中列记录之间的间隔符，默认符号为英文逗号。这里通常使用制表符 来间隔数据，避免数据再次从HDFS到入到关系数据库时引起分割混乱；

　  ▶ -m 1，是--num-mappers的缩写，表示指定MapReduce的个数为1个（默认会自动开启多个），sqoop转化的MR程序不包含reduce；

　  ▶ --append，表示数据导入到hadoop的方式为追加，否则不允许重复导入；

　  ▶ --check-column '主键列名' --incremental append --last-value 5，表示数据为增量导入，根据--last-value的值来判断，有大于这个值的记录则执行导入，否则不执行导入操作；

　  ▶ --hive-import，表示将数据导入到Hive中；

　  ▶ --where ''，数据筛选条件

　  ▶ -e 或--query 'select * from table where id>5 and $CONDITIONS'，自定义导入数据的sql语句。使用自定义sql语句需要注意：① 使用了自定义sql就不能指定--table；② 自定义sql语句的where条件中必须包含字符串"$CONDITIONS"，$CONDITIONS是一个变量，用于给多个map任务划分任务范围；③ 使用自定义sql时，如果通过参数-m指定多个map任务，由于自定义sql中可能存在多表查询，因此必须使用参数“--split-by 表名.字段名”指定多个map任务分割数据的根据字段，如--split-by users.id；

　  ▶ --target-dir，显示指定数据导入到HDFS中的位置，默认保存路径为：/user/{当前用户}/{表名}/表数据文件，如果导入时需要将已存在的HDFS文件删除，可使用--delete-target-dir； 

2、Hadoop数据导入到MySQL

　  sqoop export --connect jdbc:mysql://192.168.137.1:3306/test --username root --password 123456 --table ids --fields-terminated-by ' ' --export-dir '/ids'

　  其中--export-dir '/ids'，表示指定要导出的HDFS文件地址。执行导出操作前，必须保证MySQL表ids存在。

3、将Sqoop命令保存作业方便调用

　  sqoop job --create myjob -- import --connect jdbc:mysql://192.168.137.1:3306/test --username root --password 123456 --table mytabs --fields-terminated-by ' '

　  其中myjob表示作业名称。在job中保存密码，默认在调用时还会要求输入密码，需要将密码直接保存在job中下次可以免密码直接执行，可以将/conf/sqoop-site.xml中的sqoop.metastore.client.record.password注视去掉。

　  其他相关作业命令：① job sqoop job --list，查看作业列表；② job sqoop job --delete myjob，删除作业。