（下面说的操作hdfs其实和操作hive意思一样，都是文件夹）
最近要在项目中加一个sqoop的功能，需求是将hive的数据导入至mysql，也就是export功能
由于之前没用过sqoop，所以特地去学习怎么使用，这里总结下这两天了解到的简单内容
首先sqoop有两个版本，1.4.X和1.99.X，前者俗称为sqoop1后者成为sqoop2，然后又有apache和cloudera两种
sqoop1和sqoop2使用方法和命令有较大不同，我先说sqoop1在java中的使用
首先我依赖使用的是这个（我们用的gradle来管理依赖）
compile(group: 'org.apache.sqoop', name: 'sqoop', version: '1.4.6-cdh5.5.2')
因为这个包里面和我之前的有冲突，所以我还排除了下面两个包（当时报错信息是找不到方法，然后一搜那个类项目中有两个）
compile(group: 'org.apache.sqoop', name: 'sqoop', version: '1.4.6-cdh5.5.2') {
exclude group: "org.slf4j", module: "slf4j-log4j12"
exclude group: "org.apache.hadoop", module: "hadoop-core"
}
sqoop1在java中执行的时候，会使用本地模式去运行mapreduce任务，他会在本地tmp目录下给你生成java文件（我的电脑是在tmp下生成了很多java文件），和你要操作的hdfs集群上安没安sqoop一点关系都没有
因为和hdfs还有hadoop有关，所以你可能还需要这些依赖
hadoop-core 2.6.0-mr1-cdh5.5.2 hadoop-common 2.6.0-cdh5.5.2 hadoop-mapreduce-client-core 2.6.0-cdh5.5.2
我的项目中之前就已经有hadoop云云的依赖了，所以我直接加了sqoop的就可以用了，如果你们要单独测试，需要先在java中把这些都加上，不然运行的时候会有classNotFound错误，注意版本一致性阿
然后就可以写测试了，直接贴代码（hdfs我使用的是我自己本台机器的集群，所以地址是我自己电脑的，也没有认证）
Configuration cOnf= new Configuration();
conf.set("fs.default.name", "hdfs://192.168.2.14:9000/");//设置HDFS服务地址
String[] arg = new String[] {"--connect","jdbc:mysql://114.115.156.37:3306/test",
"--username","xxx",
"--password","xxx",
"--table","persons",
"--m","1",
"--export-dir","hdfs://10.30.88.46:8020/user/hive/warehouse/dw_api_server.db/persons",
"--input-fields-terminated-by","\t"
};
String[] expandArguments = OptionsFileUtil.expandArguments(arg);
SqoopTool tool = SqoopTool.getTool("export");
Configuration loadPlugins = SqoopTool.loadPlugins(conf);
Sqoop sqoop = new Sqoop((com.cloudera.sqoop.tool.SqoopTool) tool, loadPlugins);
int res = Sqoop.runSqoop(sqoop, expandArguments);
if (res == 0) {
System.out.println ("成功");
}else {
System.out.println("失败");
}
192.168.2.14就是我本机器的地址，建议不要写localhost，因为我写这个运行不了，尽量写ip地址，也不要写主机名，如果hdfs要过kerberos会有额外的操作以及错误处理，我一会说
下面的getTool，因为我是hdfs导出mysql，所以写的export，如果是反过来的，是import，这个网上命令例子也很多，我就不写了，这里只写导出
这段代码就是将hdfs上的数据导入到mysql中去的，命令必须使用String数组形式操作，中间不用加空格，属性和值记得分开写，从上之下，mysql连接地址，用户名密码，操作的table，-m指用几个机器来执行mr（这个有点记不起来了，可能意思不太对，求纠正），export-dir简单说就是hdfs上的目录，下面那个是指按什么分隔符来插入
persons文件夹下放的是txt文件，或者csv文件，内容用\t分割的，说白了就是文本文件，这样语句才能执行成功，不然会报错
要保证访问hdfs的用户有权限操作，mysql用户也需要有读写权限
hdfs数据插入到mysql中必须类型能够匹配或转换，比如hdfs是字符串的"aaa",mysql里面是int，就会报错
hdfs的文本文件列可以和myslq不一致，他会默认依次丛左到右将hdfs的数据取出来，再从左到右的插入到mysql中去
上面的String数组里还可以加一个属性叫--columns可以指定要插入那列，这里指定的列是以mysql为基准的，但取数据依旧是从左到右的从hdfs中拿，所以可能数据会错位，所以建议结构两边一致，然后要取的时候全取，你们操作的时候可以看下，仅仅针对txt这类的文本文件
hive操作同理，textfile类型表的你就当在操作文本文件就好了
sqoop1是可以解析parquet文件的，但在我试的过程中，有几个前提条件
首先需要多加一个依赖
compile group: 'org.kitesdk', name: 'kite-data-mapreduce', version: '1.1.0'
我怎么知道要加这个，因为在操作parquet文件的时候他给我报classNotFound，就是这个包
解析parquet文件或者hive的parquet表时候，上面的命令只需要将
"--input-fields-terminated-by","\t"
删除即可
解析parquet表，必须在数据的目录下有.metadata文件，不然无法解析，hive的parquet表同理，就是数据文件和.metadata处于一个目录下
它会根据metadata里面的规则去解析parquet文件，metadata里面定义了数据的
目前我之测试了XXX.parquet文件可以解析，其他的没有测试，例如avro，有一种情况不能解析，就是在hive下，表的类型是parquet，但是表里的数据是从别的表insert过来的，那么在hdfs上的文件就变成了0000_0这种样子，这样的解析不了，我在尝试的时候报错，即使有metadata文件，不过parquet表可以执行要导出那几列，不想txt的会错位
我遇到的了下面几种错误
Path is not a file: /user/hive/warehouse/test.db/persons
提示找不到meatadata文件，如果你导出的是parquet表，目录下没有metadata会报这个错，同样没有数据文件会报找不到数据文件
Can not read value at 1 in block 0 in file
hive表是parquet表，而且也有metadata文件，会有这个错误，指不能解析文件，我这个文件下是0000_0这种样子的
classNotFound:java.sun.tools.xxxxxxxx
我第一次运行报了这个错误，需要将你jdk文件中的一个Tools.jar的jar包放到你的项目中去
numberformatexception
出现转换错误都是hive表或者文件内容和mysql结构不一致，无法自动转换的问题，改结构去，解析parquet文件的时候会出现找不到字段错误，可能是因为大小写的原因
Can't get Master Kerberos principal for use as renewer
hdfs需要过kerberos的时候，命名使用keytab文件已经登陆成功了，可是一直出这个问题，参考方法是将hadoop集群上的yarn-site.xml文件放到你项目的resource中去，然后在代码中加入
conf.addResource("yarn-site.xml"); // conf是你的Configuration对象
就没事了，该问题我是参考这里的，我把连接贴出来，感谢一下
http://www.kevin517.win/2017/11/21/%E8%BF%9E%E6%8E%A5%E5%B8%A6%E6%9C%89%20Kerberos%20%E8%AE%A4%E8%AF%81%E7%9A%84%20Hadoop%20%20HBase%20Spark/
其他错误
如果出现其他不知名的错误，请考虑版本是否一致，jar冲突这些问题
--hive和--hcatalog命令
我在找资料的时候有看到这两个命令，直接是hive-》mysql，但是经过试验，--hive显示无此命令，hcatalog命令无效，提示找不到表，也不知道是版本不对还是啥，放弃了暂时
上面的问题我解决了以后，发现打包的时候缺了一个包,具体解决如下
https://blog.csdn.net/u011856283/article/details/80690031
然后是打包以后运行不料sqoop1的程序，显示找不到jar，无法识别的符号，特别费解，最后找到了答案，参考网址如下
https://www.cnblogs.com/claren/p/7240735.html
对于这个问题，也可以在上面代码中使用如下方式解决（未测试）
SqoopOptions optiOns= sqoop.getOptions();
options.setHadoopMapRedHome("/xxx");
===================================================================================================
sqoop2是直接使用程序连接到集群上的sqoop，远程操作，流程是需要先创建link也可以理解程要操作的对象，比如一个link是hdfs，一个link是mysql，有了link后需要创建job，创建job需要指定那两个link进行交互，设置from和to的关系，然后执行job就可以了（我觉得sqoop2更方便）
首先依赖和上面sqoop1的不一样，我们用的是一个sqoop-client的jar，我这里用的是apache的版本
org.apache.sqoop sqoop-client 1.99.7
不需要其他依赖
注意：这个jar的版本请务必和你集群上安装的sqoop版本一致，不然会出莫名的错误
这里贴一下官方的demo地址，官方写的很全面，可以直接参考，我下面的程序也源自这里改编
http://sqoop.apache.org/docs/1.99.6/ClientAPI.html
/**
* 创建连接
* @throws Exception
*/
public static void ImportTest() throws Exception{
String url = "http://localhost:12000/sqoop/";
SqoopClient client = new SqoopClient(url);
// ==============================================
// create a placeholder for link
long cOnnectorId= 1;
MLink link = client.createLink("hdfs-connector");
// ==============================================================================
link.setName("HDFS");
link.setCreationUser("hadoop");
MLinkConfig linkCOnfig= link.getConnectorLinkConfig();
linkConfig.getStringInput("linkConfig.uri").setValue("hdfs://127.0.0.1:9000");
// ==============================================================================
Status status = client.saveLink(link);
if(status.canProceed()) {
System.out.println("Created Link with Link Id : " + link.getPersistenceId());
} else {
System.out.println("Something went wrong creating the link");
}
}
这是创造了一个hdfs的link，上面localhost：12000/sqoop指的是你集群上的sqoop
这里有个小问题，官方的demo或者是别的地方找到的资料
MLink link = client.createLink("hdfs-connector");
这句话的createLink中写的都是数字，我这里写的是字符串，这是因为版本问题，最新的版本是不能写数字的，改成了字符串，这里的hdfs-connector指的是创建hdfs的link，瞎写会报错
下面贴一个mysql（通用jdbc）的link
/**
* 创建连接
* @throws Exception
*/
public static void ImportTest() throws Exception{
String url = "http://localhost:12000/sqoop/";
SqoopClient client = new SqoopClient(url);
// ==============================================
// create a placeholder for link
long cOnnectorId= 1;
MLink link = client.createLink("generic-jdbc-connector");
// ==============================================================================
link.setName("mysql_link");
link.setCreationUser("hahaha");
MLinkConfig linkCOnfig= link.getConnectorLinkConfig();
linkConfig.getStringInput("linkConfig.connectionString").setValue("jdbc:mysql://localhost/test");
linkConfig.getStringInput("linkConfig.jdbcDriver").setValue("com.mysql.jdbc.Driver");
linkConfig.getStringInput("linkConfig.username").setValue("hadoop");
linkConfig.getStringInput("linkConfig.password").setValue("hadoop");
// ==============================================================================
Status status = client.saveLink(link);
if(status.canProceed()) {
System.out.println("Created Link with Link Id : " + link.getPersistenceId());
} else {
System.out.println("Something went wrong creating the link");
}
}这里换成了
generic-jdbc-connector
意思 是通用的jdbc，也就是说不止mysql，其他支持jdbc的也可以，虽然我没试，前提需要你在集群上的sqoop的lib下加入驱动文件，不然不能用。
然后就是创建一个任务了
/**
* 创建任务
*/
public static void saveJob() {
String url = "http://localhost:12000/sqoop/";
SqoopClient client = new SqoopClient(url);
//Creating dummy job object
MJob job = client.createJob("mysql", "HDFS");
job.setName("myJobs");
job.setCreationUser("myJobsUser");
// set the "FROM" link job config values
MFromConfig fromJobCOnfig= job.getFromJobConfig();
fromJobConfig.getStringInput("fromJobConfig.schemaName").setValue("test");
fromJobConfig.getStringInput("fromJobConfig.tableName").setValue("Persons");
fromJobConfig.getStringInput("fromJobConfig.partitionColumn").setValue("Id_P");
// set the "TO" link job config values
MToConfig toJobCOnfig= job.getToJobConfig();
toJobConfig.getStringInput("toJobConfig.outputDirectory").setValue("/sqoop");
// set the driver config values
MDriverConfig driverCOnfig= job.getDriverConfig();
//driverConfig.getStringInput("throttlingConfig.numExtractors").setValue("3");
Status status = client.saveJob(job);
if(status.canProceed()) {
System.out.println("Created Job with Job Id: "+ job.getPersistenceId());
} else {
System.out.println("Something went wrong creating the job");
}
}
这里设置from和to的关系
MJob job = client.createJob("mysql", "HDFS");
里面的值就是你刚刚创建link填写的name属性，这里指mysql到hdfs
运行任务（这段代码是我找到的，基本没有改）
/**
* 启动job
*/
public static void startJob() {
String url = "http://localhost:12000/sqoop/";
SqoopClient client = new SqoopClient(url);
MJob job = client.getJob("myJobs");
//启动任务
long jobId = job.getPersistenceId();
MSubmission submission = client.startJob("myJobs");
System.out.println("JOB提交状态为 : " + submission.getStatus());
while(submission.getStatus().isRunning() && submission.getProgress() != -1) {
System.out.println("进度 : " + String.format("%.2f %%", submission.getProgress() * 100));
//三秒报告一次进度
try {
Thread.sleep(3000);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
System.out.println("JOB执行结束... ...");
System.out.println("Hadoop任务ID为 :" + submission.getExternalJobId());
Counters counters = submission.getCounters();
if(counters != null) {
System.out.println("计数器:");
for(CounterGroup group : counters) {
System.out.print("\t");
System.out.println(group.getName());
for(Counter counter : group) {
System.out.print("\t\t");
System.out.print(counter.getName());
System.out.print(": ");
System.out.println(counter.getValue());
}
}
}
if(submission.getError() != null) {
System.out.println("JOB执行异常，异常信息为 : " +submission.getError());
}
System.out.println("MySQL通过sqoop传输数据到HDFS统计执行完毕");
}具体参数和安装过程大家可以去自行了解，java操作大概就是这些了，有错请指正
京公网安备 11010802041100号 | 京ICP备19059560号-4 | PHP1.CN 第一PHP社区 版权所有 
