怎么將數(shù)據(jù)從Hadoop導(dǎo)出到關(guān)系型和NoSQL數(shù)據(jù)庫

小編給大家分享一下怎么將數(shù)據(jù)從Hadoop導(dǎo)出到關(guān)系型和NoSQL數(shù)據(jù)庫，希望大家閱讀完這篇文章之后都有所收獲，下面讓我們一起去探討吧！

實(shí)踐：使用Sqoop將數(shù)據(jù)導(dǎo)出到MySQL

Hadoop擅長與大多數(shù)關(guān)系型數(shù)據(jù)庫打交道，因此將OLTP數(shù)據(jù)提取到HDFS，執(zhí)行一些分析，然后將其導(dǎo)出回?cái)?shù)據(jù)庫是很常見的。

問題

希望將數(shù)據(jù)寫入關(guān)系數(shù)據(jù)庫，同時(shí)確保寫入是冪等的。

解決方案

此技術(shù)介紹了如何使用Sqoop將文本文件導(dǎo)出到關(guān)系數(shù)據(jù)庫，還介紹了如何配置Sqoop以使用具有自定義字段和記錄分隔符的文件。我們還將介紹冪等導(dǎo)出，以確保失敗的導(dǎo)出不會使數(shù)據(jù)庫處于不一致狀態(tài)。

討論

這種技術(shù)假設(shè)已經(jīng)安裝MySQL并創(chuàng)建模式。

Sqoop導(dǎo)出要求導(dǎo)出數(shù)據(jù)庫表已存在，Sqoop可以支持表中行的插入和更新。

將數(shù)據(jù)導(dǎo)出到數(shù)據(jù)庫共享

我們在導(dǎo)入部分檢查的許多參數(shù)，不同之處在于export需要使用--export-dir參數(shù)來確定要導(dǎo)出的HDFS目錄，還將為導(dǎo)出創(chuàng)建另一個(gè)選項(xiàng)文件，以防止在命令行上不安全地提供密碼：

第一步是將數(shù)據(jù)從MySQL導(dǎo)出到HDFS，以確保有一個(gè)良好的起點(diǎn)，如以下命令所示：

Sqoop導(dǎo)入的結(jié)果是HDFS中有許多CSV文件，可以在以下代碼中看到：

對于從HDFS到MySQL的Sqoop導(dǎo)出，將指定目標(biāo)表應(yīng)該是stocks_export并且應(yīng)該從HDFS庫目錄導(dǎo)出數(shù)據(jù)：

默認(rèn)情況下，Sqoop導(dǎo)出將對目標(biāo)數(shù)據(jù)庫表執(zhí)行INSERT，可以使用--update-mode參數(shù)支持更新。值updateonly意味著如果沒有匹配的密鑰，更新將失敗。如果匹配的鍵不存在，則allowInsert的值將直接插入。用于執(zhí)行更新的表列名稱在--update-key參數(shù)中提供。

以下示例表明只應(yīng)使用主鍵嘗試更新：

輸入數(shù)據(jù)格式

可以使用多個(gè)選項(xiàng)覆蓋用于解析輸入數(shù)據(jù)的默認(rèn)Sqoop設(shè)置，表5.7列出了這些選項(xiàng)。

表5.7 輸入數(shù)據(jù)的格式選項(xiàng)

冪等輸出

執(zhí)行輸出的Sqoop map任務(wù)使用多個(gè)事務(wù)進(jìn)行數(shù)據(jù)庫寫入。如果Sqoop導(dǎo)出MapReduce作業(yè)失敗，則表可能包含部分寫入。對于冪等數(shù)據(jù)庫寫入，可以指示Sqoop執(zhí)行MapReduce寫入臨時(shí)表。成功完成作業(yè)后，臨時(shí)表將在單個(gè)事務(wù)中移動到目標(biāo)表，該事務(wù)是冪等的，可以在圖5.19中看到事件順序。

圖5.19  Sqoop分段事件序列，有助于確保冪等輸出

在下面的示例中，臨時(shí)表是stocks_staging，還告訴Sqoop在MapReduce作業(yè)以--clear-staging-table參數(shù)啟動之前清除它：

直接輸出

在導(dǎo)入技術(shù)中使用快速連接器，這是使用mysqldump實(shí)用程序的優(yōu)化。Sqoop導(dǎo)出也支持使用mysqlimport工具的快速連接器。與mysqldump一樣，集群中的所有節(jié)點(diǎn)都需要安裝mysqlimport，并且在用于運(yùn)行MapReduce任務(wù)的用戶路徑中可用。與導(dǎo)入一樣， - diand參數(shù)可以使用快速連接器：

使用mysqlimport進(jìn)行冪等輸出

Sqoop不支持將快速連接器與臨時(shí)表結(jié)合使用，這就是使用常規(guī)連接器實(shí)現(xiàn)冪等輸入的方法。但是仍然可以通過快速連接器實(shí)現(xiàn)冪等輸入，并在最后進(jìn)行一些額外的工作。需要使用快速連接器寫入臨時(shí)表，然后觸發(fā)INSERT語句，該語句將數(shù)據(jù)原子復(fù)制到目標(biāo)表中，步驟如下所示：

這打破了關(guān)于在命令行上公開憑證的早期規(guī)則，但是編寫可以從配置文件中讀取這些設(shè)置的腳本很容易。

看完了這篇文章，相信你對“怎么將數(shù)據(jù)從Hadoop導(dǎo)出到關(guān)系型和NoSQL數(shù)據(jù)庫”有了一定的了解，如果想了解更多相關(guān)知識，歡迎關(guān)注億速云行業(yè)資訊頻道，感謝各位的閱讀！