Hadoop-22 Sqoop 数据MySQL到HDFS(全量) SQL天生数据 HDFS集群 Sqoop impor ...

章节内容

上节我们完成了：

• Sqoop 先容
  
• Sqoop 下载配置环境等
  
• Sqoop 环境依靠：Hadoop、Hive、JDBC 等环境补全
  

配景先容

这里是三台公网云服务器，每台 2C4G，搭建一个Hadoop的学习环境，供我学习。
之前已经在 VM 假造机上搭建过一次，但是没留下条记，这次趁着前几天薅羊毛的3台机器，赶紧实验在公网上搭建体验一下。

• 2C4G 编号 h121
  
• 2C4G 编号 h122
  
• 2C2G 编号 h123
  

注意事项

Apache Sqoop 于 2021 年 6 月迁入 Attic。
Apache Sqoop 的任务是创建和维护与 Apache Hadoop 和结构化数据存储相关的大规模数据传输软件。
虽然项目已经大概过期，但是如果你的时间充裕的话，可以适本地学习一下，大概会对你有肯定的帮助的！！！
天生数据

创建新库

连接我们的MySQL数据库，执行如下的SQL，天生一些数据出来：

1. -- 用于在 Mysql 中生成测试数据
2. CREATE DATABASE sqoop;
3. use sqoop;
4. CREATE TABLE sqoop.goodtbl(
5.   gname varchar(50),
6.   serialNumber int,
7.   price int,
8.   stock_number int,
9.   create_time date
10. );

复制代码

移除函数

防止遇到干扰，先移除之前大概存在的函数：

1. DROP FUNCTION IF EXISTS `rand_string`;
2. DROP PROCEDURE IF EXISTS `batchInsertTestData`;

复制代码

编写脚本

2. -- 替换语句默认的执行符号，将；替换成 //
3. DELIMITER //
4. CREATE FUNCTION `rand_string` (n INT) RETURNS VARCHAR(255)
5. CHARSET 'utf8'
6. BEGIN
7.   DECLARE char_str varchar(200) DEFAULT
8.   '0123456789ABCDEFGHIJKLMNOPQRSTUVWXYZ';
9.   DECLARE return_str varchar(255) DEFAULT '';
10.   DECLARE i INT DEFAULT 0;
11.   WHILE i < n DO
12.     SET return_str = concat(return_str,
13.     substring(char_str, FLOOR(1 + RAND()*36), 1));
14.     SET i = i+1;
15.   END WHILE;
16.   RETURN return_str;
17. END
18. //
19. CREATE PROCEDURE `batchInsertTestData` (m INT, n INT)
20. BEGIN
21. DECLARE i INT DEFAULT 0;
22.   WHILE i < n DO
23.     insert into goodtbl (gname, serialNumber, price,
24.     stock_number, create_time)
25.     values (rand_string(6), i+m, ROUND(RAND()*100),
26.     FLOOR(RAND()*100), now());
27.     SET i = i+1;
28.   END WHILE;
29. END
30. //
31. delimiter ;
32. call batchInsertTestData(1, 100);

复制代码

执行脚本

运行脚本后：

检察数据

使用 SQL 检察，或者可视化检察，如下图：

依靠服务

请确保以下的服务都是正常运行的：

• HDFS
  
• YARN
  
• MySQL
  

MySQL->HDFS 全量导入

运行脚本

1. sqoop import \
2. --connect jdbc:mysql://h122.wzk.icu:3306/sqoop \
3. --username hive \
4. --password hive@wzk.icu \
5. --table goodtbl \
6. --target-dir /root \
7. --delete-target-dir \
8. --num-mappers 1 \
9. --fields-terminated-by "\t"

复制代码

参数解释

上述参数的解释：

• target-dir 将数据导入HDFS的路径
  
• delete-target-dir 如果目标文件夹在HDFS上已经存在，那么再次运行就会报错。
  
• num-mappers 启动多少个MapTask，默认启动4个
  
• fields-terminated-by HDFS中数据的分隔符
  

分配任务

观察任务的分配过程

等待执行

可以观察到 Map -> Reduce 的过程

需要等待好一段时间，执行完成后结果如下图：

检察结果

到 HDFS 集群中检察数据，发现数据已经导入了：

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。