知识目录
- 一、前言
- 二、导入前的准备
- 2.1 Hadoop集群搭建
- 2.2 Hadoop启停脚本
- 三、docker安装MySQL
- 四、安装Sqoop
- 4.1 Sqoop准备
- 4.2 Sqoop连接Mysql数据测试
- 五、导入MySQL数据到hdfs
- 5.1 准备MySQL数据
- 5.2 导入数据
- 六、Sqoop现状
- 七、结语
一、前言
各位CSDN的朋友们大家好！这篇文章是在困扰了我三天（甚至更久），经过不断尝试与踩坑总结出来的通过 Sqoop 从Mysql数据库导入数据到 Hadoop hdfs 的详细笔记与感想，希望能帮助到大家！本篇文章收录于 初心 的 大数据 专栏。
🏠 个人主页：初心%个人主页
🧑 个人简介：大家好，我是初心，和大家共同努力
💕 座右铭：理想主义的花，终究会盛开在浪漫主义的土壤里！🍺🍺🍺
💕欢迎大家：这里是CSDN，我记录知识的地方，喜欢的话请三连，有问题请私信😘
事情是这样的：要实现从关系型数据库（RDBMS）导入数据到数据仓库中（比如说Hive、HBase等），就要借助 Hadoop 集群的 Hdfs 来实现，而数据要从关系型数据库（这里以MySQL为例）到 hdfs ，则需要借助 Sql to Hadoop 工具，也就是本篇文章的主角——Sqoop。
二、导入前的准备
2.1 Hadoop集群搭建
上面我们提到，要导入数据到 Hdfs ，那么 Hdfs 我们肯定得有吧？于是我们首先就得有 Hadoop 集群，Hadoop集群搭建，大家可以参考我的这篇文章，这里就不再重复讲啦， Hadoop集群搭建（完全分布式）。
2.2 Hadoop启停脚本
在使用Hadoop集群的过程中，我们不可避免的遇到一个问题：
当我们一打开虚拟机，总是要在 NameNode 节点上启动 Hdfs ，在 ResourceManager 节点上启动 yarn ，关闭的时候也是，这可能是一个烦人的操作！有没有能够让我们在一个节点上，执行一个命令，就可以把 Hdfs 、yarn以及历史服务器打开呢？答案是有！ ，大家可以参考我的这篇文章——Hadoop启停脚本分享Hadoop启停脚本笔记。
三、docker安装MySQL
使用Docker安装MySQL，我本来是打算放在这里的，但是因为文章较为详细，放在此处使得可阅读性有所下降，所以我将笔记放在了另外一篇文章，供大家参考！点击查看Docker安装MySQL。
四、安装Sqoop
4.1 Sqoop准备
- 1.将Sqoop压缩包上传到 Hadoop102的/opt/software 目录下
- 2.解压到 /opt/module 目录下
tar -xzvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
- 3.将Sqoop重命名
mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha sqoop-1.4.6 sqoop
- 4.重命名Sqoop的模板文件
进入到Sqoop的conf目录下，将sqoop-env-template.sh重命名。
mv sqoop-env-template.sh sqoop-env.sh
- 5.在Sqoop的配置文件末尾添加上Hadoop_Home目录
vim /opt/module/sqoop/conf/sqoop-env.sh
# hadoop_home
export HADOOP_HOME=/opt/module/hadoop-3.1.3
export HADOOP_MAPRED_HOME=/opt/module/hadoop-3.1.3
- 6.上传jdbc的jar包到Sqoop的lib目录下
至此，Sqoop的安装工作我们就准备好了！接下来我们来测试Sqoop是否能正常连接到MySQL。
4.2 Sqoop连接Mysql数据测试
通过在Sqoop安装目录下，执行以下命令，如果能够显示MySQL数据库中的所有数据库，那么证明Sqoop可以和Mysql正常通信，即代表安装成功。
- 1.进入到Sqoop安装目录
cd /opt/module/sqoop/
- 2.执行以下命令测试
bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3307/ --username root --password sky
hdfs_84">五、导入MySQL数据到hdfs
现在，我们所有的准备工作都已经准备好了！Hadoop集群的 hdfs，yarn，历史服务器，MySQL数据库，Sqoop工具，现在我们就可以开始从MySQL导入数据到 hdfs 了。
5.1 准备MySQL数据
- 1.在Navicat中新建数据库mysql_to_hive
- 2.在mysql_to_hive数据库执行 sql 文件
SQL文件我放在了百度网盘上，点击即可下载。
执行完gmall_report.sql之后，我们的mysql_to_hive数据库就会新建四张表，分别是order_by_province,order_spu_stats,order_total,user_total，并且插入了一些数据。
- 3.查看表及数据
这是order_by_province表中的部分数据展示。
四张表和数据均正常，至此，我们MySQL的数据就准备好了！
5.2 导入数据
首先进入到Sqoop的安装目录：
cd /opt/module/sqoop/
从Sqoop导入全部数据，我们只需要执行以下命令即可。
在执行下面的代码之前，如果你的MySQL不是在hadoop102上，需要修改；用户名和密码也是以自己的为准。
- 导入表order_by_province
bin/sqoop import \
--connect jdbc:mysql://hadoop102:3307/mysql_to_hive \
--username root \
--password sky \
--target-dir /mysql/gmall_report/order_by_province \
--table order_by_province \
--num-mappers 1 \
--delete-target-dir \
--fields-terminated-by '\t' \
--num-mappers 5 \
--bindir /opt/module/sqoop/lib \
--split-by dt
- 导入表order_spu_stats
bin/sqoop import \
--connect jdbc:mysql://hadoop102:3307/mysql_to_hive \
--username root \
--password sky \
--table order_spu_stats \
--target-dir /mysql/gmall_report/order_spu_stats \
--num-mappers 1 \
--delete-target-dir \
--fields-terminated-by '\t' \
--num-mappers 5 \
--bindir /opt/module/sqoop/lib \
--split-by dt
- 导入表order_total
bin/sqoop import \
--connect jdbc:mysql://hadoop102:3307/mysql_to_hive \
--username root \
--password sky \
--table order_total \
--target-dir /mysql/gmall_report/order_toal \
--num-mappers 1 \
--delete-target-dir \
--fields-terminated-by '\t' \
--num-mappers 5 \
--bindir /opt/module/sqoop/lib \
--split-by dt
- 导入表user_total
bin/sqoop import \
--connect jdbc:mysql://hadoop102:3307/mysql_to_hive \
--username root \
--password sky \
--table user_total \
--target-dir /mysql/gmall_report/user_toal \
--num-mappers 1 \
--delete-target-dir \
--fields-terminated-by '\t' \
--num-mappers 5 \
--bindir /opt/module/sqoop/lib \
--split-by dt
至此，通过Sqoop实现从MySQL导入数据到 Hdfs 就结束了！希望这篇文章对你有帮助。
六、Sqoop现状
讲完了Sqoop导入MySQL数据到Hdfs，接下来我们再聊聊些别的，首先看一下下面这张图片（来源于Apache Sqoop官网）Sqoop官网：
**啊？Sqoop要退役了吗？这不科学啊，这么好用的工具，怎么就退役了呢。**仔细看了下，原来Apache Sqoop在2021年6月就已经进入Attic了，就是最近的事情。
不过，「Attic」（英文翻译是阁楼，有些束之高阁的意思了）是啥啊？并没有听说过，进入到Attic的项目会咋样?，我们继续探索下。
Apache Attic原来就相当于Apache的小黑屋，如果Apache托管的项目长时间不活跃(超过2年没有release新版本，没有committer、contributer并且没有未来roadmap)，就会选择将项目移动到Attic中，这也就相当于Apache的项目管理了，掌管整个项目的生命周期。
目前将Sqoop做数据迁移工具公司不在少数，当Sqoop移动到Attic后，单单使用来说是完全不受影响的；Apache Attic依旧会提供代码库的下载；但是不会再修复任何的bug，release新版本了，并且也不会再重启社区。
看到这里其实就没有这么慌了，我们还能继续用，不过如果遇到问题，我们只能自己建个分支去fix了，从侧面来说，也能说明Sqoop在某个角度是成功的，毕竟曾经成为Apache顶级项目，如果真的是长时间没有release，有可能是他确实已经够成熟了。
七、结语
😎 本文主要讲解了如何通过Sqoop将RDBMS的数据导入到 Hdfs ，导入到了 Hdfs 之后，我们可以导入数据到数据仓库（HBase、Hive等），进行大数据的下一步学习啦！😊
✨ 这就是今天要分享给大家的全部内容了，我们下期再见！😊
🏠 本文由初心原创，首发于CSDN博客， 博客主页：初心%🏠
🍻 理想主义的花，终究会盛开在浪漫主义的土壤里！😍
🏠 我在CSDN等你哦！😍
