Sqoop2 从MySQL导入数据到Hadoop HDFS

最新推荐文章于 2026-03-12 01:08:12 发布

原创

最新推荐文章于 2026-03-12 01:08:12 发布 · 7.5k 阅读

标签

#sqoop2

本文介绍了如何使用Sqoop2将数据从MySQL数据库高效地导入到Hadoop HDFS。涉及的环境包括Debian 8.7、Hadoop 2.6.5和Sqoop 1.99.7。配置步骤包括设置Hadoop的proxyuser，配置Sqoop2的classpath，添加MySQL JDBC驱动，并详细解释了如何创建链接、Job以及启动导入过程。

前言

Apache Sqoop(TM) is a tool designed for efficiently transferring bulk data between Apache Hadoop and structured datastores such as relational databases.
Sqoop是一个在Hadoop与关系数据库之间进行高效传输大量数据的工具。也即是可进行导入和导出操作。
翻译的不太好见谅哈。
而Sqoop2是最新版本，但并不兼容Sqoop1。Sqoop2相比之前的版本添加了很多新的东西。具体的可参看官方文档，这里不过多介绍了。
对了，Sqoop2还可以在非关系数据库之间进行导入和导出，如：HBase等

环境

OS Debian 8.7
Hadoop 2.6.5
Sqoop 1.99.7
MySQL 5.7.17

这里除了Hadoop和Sqoop版本需要注意一下，其他的都差不多就行。

配置

关于Hadoop的集群基本配置，我会在另外一篇文章再介绍。这里只说下跟Sqoop2有关的配置。

Hadoop相关配置

因为sqoop访问Hadoop的MapReduce使用的是代理的方式，必须在Hadoop中配置所接受的proxy用户和组。
编辑hadoop-2.6.5/etc/hadoop/core-site.xml文件。
在里面添加如下内容：

      <!-- sqoop2 -->
      <property>
          <name>hadoop.proxyuser.hadoop.hosts</name>
          <value>*</value>
     </property>
     <property>
          <name>hadoop.proxyuser.hadoop.groups</name>
          <value>*</value>
      </property>

其中hadoop.proxyuser.hadoop.hosts（groups）的格式应该是：hadoop.proxyuser.${SYSTEM_USER}.hosts表示运行hadoop的系统用户名，这里我就是使用hadoop用户运行的，所以就这样配置。

Sqoop2相关配置

修改sqoop classpath配置，编辑sqoop-1.99.7-bin-hadoop200/bin/sqoop.sh文件
找到sqoop_server_classpath_set函数，修改内容如下：

function sqoop_server_classpath_set {

    #HADOOP_COMMON_HOME=${
   
   HADOOP_COMMON_HOME:-${
   
   HADOOP_HOME}/share/hadoop/common}
    #HADOOP_HDFS_HOME=${
   
   HADOOP_HDFS_HOME:-${
   
   HADOOP_HOME}/share/hadoop/hdfs}