2024-02-06（Sqoop）

1.Sqoop

Apache Sqoop是Hadoop生态体系和RDBMS（关系型数据库）体系之间传递数据的一种工具。

Sqoop工作机制是将导入或者导出命令翻译成MapReduce程序来实现。在翻译出的MapReduce中主要是对inputformat和outputformat进行定制。

Hadoop生态包括：HDFS，Hive，Hbase等。

RDBMS体系包括：Mysql，Oracle，DB2等。

Sqoop可以理解为：SQL到Hadoop，Hadoop到SQL。

 2.Sqoop全量导入HDFS

从RDBMS导入到HDFS，表中的每一行视为HDFS的记录，所有的记录都存储为文本文件的文本数据。

3.Sqoop进行并行的数据导入

如果表的数据比较大，可以并行启动maptask执行导入操作，如果表没有主键，请指定根据哪个字段进行切分。

4.Sqoop导入HDFS中的分隔符也是可以通过命令指定的

5.Sqoop的导入命令示例：

注意事项：命令携带的参数必须出现在同一行，若换行就意味着自动提交执行，可以通过"\"表示未结束。

6.Hadoop，Hive，Mysql的关系：

Hive 和 HDFS、MySQL 之间的关系_hive、mysql与hdfs的关系-CSDN博客

7.全量导入mysql表数据到Hive

方式一：先复制表结构到hive中，然后再导入数据。

方式二：直接复制表结构数据到hive中。

（目的一样，命令不同罢了）

8.导入数据表子集

其实就是导入数据表中的一部分数据，用where关键字或者query关键字来过滤。

query关键字：

在sqoop命令中，就是--query命令参数，实际上就是执行了一个sql语句。且需要按照sqoop的规范来写query的命令语句。