浅墨散人
2017-10-17
目录

Sqoop1.99.7将mysql数据导入到hdfs

# 准备

本示例将实现从MySQL数据库中将数据导入到HDFS中

参考文档： http://sqoop.apache.org/docs/1.99.7/user/Sqoop5MinutesDemo.html (opens new window) http://blog.csdn.net/m_signals/article/details/53190965 (opens new window) http://blog.csdn.net/lazythinker/article/details/52064165 (opens new window) http://blog.sina.com.cn/s/blog_61d8d9640102whof.html (opens new window)

mysql数据库信息： test库中user表中的记录（共1条）

img

HDFS数据情况 img

创建了一个/root/test的空目录

实现目标： 本示例需要实现将上方MySQL数据库中的数据导入到HDFS中

# 开始

启动Hadoop，启动sqoop，命令行进入sqoop

## 设置交互的命令行打印更多信息，打印的异常信息更多
set option --name verbose --value true
## 连接sqoop，其中hadoop1是需要连接的sqoop的主机名
set server --host hadoop1 --port 12000 --webapp sqoop
## 查看连接
show version --all
1
2
3
4
5
6

如果需要使用sqoop进行导入导出操作，需要先创建连接， 使用show conncetor命令可以查看sqoop支持的连接器， 而sqoop中默认提供了如下几种连接。

img

本例实现mysql-->hdfs的数据导入操作，所以需要创建一个mysql的link和hdfs的link。

注意：在创建mysql-link的时候需要将mysql的jar包放入到$SQOOP2_HOME/server/lib/extra-lib目录中

首先创建mysql-link，过程如下

sqoop:000> create link -connector generic-jdbc-connector
Creating link for connector with name generic-jdbc-connector
Please fill following values to create new link object
Name: mysql-link

Database connection

Driver class: com.mysql.jdbc.Driver
Connection String: jdbc:mysql://10.25.40.37/test
Username: root
Password: *********
Fetch Size:
Connection Properties:
There are currently 0 values in the map:
entry## protocol=tcp
There are currently 1 values in the map:
protocol = tcp
entry##

SQL Dialect

Identifier enclose:
New link was successfully created with validation status OK and name mysql-link
sqoop:000>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24

以上输入项说明，下图中红色的表示需要输入的内容。

注意Identifier enclose项需要输入一个空格，然后回车

img

创建HDFS的link的配置就比较简单，配置HDFS访问地址和hadoop配置文件目录路径即可

sqoop:000> create link -connector hdfs-connector
Creating link for connector with name hdfs-connector
Please fill following values to create new link object
Name: hdfs-link

HDFS cluster

URI: hdfs://hadoop1:9000
Conf directory: /usr/local/hadoop/hadoop-2.7.4/etc/hadoop
Additional configs::
There are currently 0 values in the map:
entry##
New link was successfully created with validation status OK and name hdfs-link
sqoop:000>
1
2
3
4
5
6
7
8
9
10
11
12
13
14

img

# 创建job

创建job时，配置项较多。 命令:

## create job -f formLinkName -t toLinkName
create job -f mysql-link -t hdfs-link
1
2

注意下面中文部分

sqoop:000> create job -f mysql-link -t hdfs-link 
Creating job for links with from name mysql-link and to name hdfs-link 
Please fill following values to create new job object 
Name: test1（job名称）

Database source

Schema name: test（数据库的schema名称） 
Table name: user（数据库表名） 
SQL statement: 
Column names: 
There are currently 0 values in the list: 
element## 
Partition column: 
Partition column nullable: 
Boundary query:

Incremental read

Check column: 
Last value:

Target configuration

Override null value: 
Null value: 
File format: 
  0 : TEXT_FILE 
  1 : SEQUENCE_FILE 
  2 : PARQUET_FILE 
Choose: 0（选择文本文件） 
Compression codec: 
  0 : NONE 
  1 : DEFAULT 
  2 : DEFLATE 
  3 : GZIP 
  4 : BZIP2 
  5 : LZO 
  6 : LZ4 
  7 : SNAPPY 
  8 : CUSTOM 
Choose: 0（选择NONE） 
Custom codec: 
Output directory: /root/test（这里输入HDFS文件的目录，需要是空目录） 
Append mode:

Throttling resources

Extractors: 2（这里是参考官网填的2） 
Loaders: 2（这里是参考官网填的2）

Classpath configuration

Extra mapper jars: 
There are currently 0 values in the list: 
element## 
New job was successfully created with validation status OK  and name test1 
sqoop:000>
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58

# 启动job

命令

## start job -name jobName
start job -name test1
1
2

# 验证是否导入成功

查看HDFS中的/root/test/目录中的数据，共出现了2个文件

img

查看文件内容

img 可以看到2ea38d69-e9e4-4364-adfc-67d88f5c8153.txt文件中已经存在了导入的数据，而8962bce1-08e7-4ebc-939e-4839d05eb145.txt是个空文件。

# 期间遇到的问题及解决方案

以下问题均是创建完link和job后，开始启动job时报的错。

# 1. Host '10.25.40.37' is not allowed to connect to this MySQL server

Host '10.25.40.37' is not allowed to connect to this MySQL server

img

错误原因： 这问题表示主机10.25.40.37没有授权外部访问其MySQL

解决方案：

将连接的MySQL主机中的授权信息改了

  1. 直接改mysql库中user表root的那条记录，将其值改为%（表示任何主机都可访问） img
  2. 使用授权命令，授权指定的主机可访问该数据库（推荐：更安全）
mysql> GRANT ALL PRIVILEGES ON *.* TO 'username'@'%' IDENTIFIED BY 'password' WITH GRANT OPTION;
mysql> FLUSH PRIVILEGES;
1
2

详细操作步骤可自行百度。

# 2. User: root is not allowed to impersonate root

User: root is not allowed to impersonate root

img

错误原因： 该错误是因为在安装sqoop时，在hadoop的core-site.xml配置文件中配置的用户权限错误 在之前的sqoop安装文章里，按照官网的配置如下。其中hadoop.proxyuser.sqoop2.hosts中的sqoop2是用户的意思，同理hadoop.proxyuser.sqoop2.groups中的sqoop2是用户组的意思。

<property>
  <name>hadoop.proxyuser.sqoop2.hosts</name>
  <value>*</value>
</property>
<property>
  <name>hadoop.proxyuser.sqoop2.groups</name>
  <value>*</value>
</property>
1
2
3
4
5
6
7
8

解决方案：

将sqoop2改为root即可，改完后如下：（PS:这里的解决方案感觉还是有问题不完美，没有深入了解）

<property>
<name>hadoop.proxyuser.root.hosts</name>
<value>*</value>
</property>
<property>
<name>hadoop.proxyuser.root.groups</name>
<value>*</value>
</property>
1
2
3
4
5
6
7
8

# 3. GENERIC_HDFS_CONNECTOR_0007:Invalid input/output directory - Unexpected exception

GENERIC_HDFS_CONNECTOR_0007:Invalid input/output directory - Unexpected exception

输入输出目录有问题，检查HDFS中是否存在相应目录即可

# 4. There are 0 datanode(s) running and no node(s) are excluded in this operation

There are 0 datanode(s) running and no node(s) are excluded in this operation

img

错误原因： 启动job的时候报的错，这应该是datanode节点数据的问题

解决方案：

  1. 配置dfs.datanode.data.dir和core-site.xml里面的hadoop.tmp.dir一致 hdfs-site.xml里面的 ​ dfs.datanode.data.dir ​ /tmp/hdfs_tmp 与core-site.xml里面的 ​ hadoop.tmp.dir ​ /tmp/hdfs_tmp 两个配置应该是指向同一个目录地址，而且必须是一个已经存在的linux目录(不存在目录的话，在启动hadoop时，必须手动创建，否则put文件到hdfs系统时就会报错)，今天报这个错就是因为两个配置没有指向同一个目录地址，且两个地址还不存在对应的目录

参考： http://blog.sina.com.cn/s/blog_61d8d9640102whof.html (opens new window)

  1. 删除dfs.namenode.data.dir中的current文件夹中的内容，格式化namenode，重新启动hadoop 参考： http://blog.csdn.net/qiruiduni/article/details/50280943 (opens new window)

最后我使用了1解决方案后问题解决了，但是不知道以后会不会有其他问题。

# 5. Call From hadoop1/192.168.56.110 to 0.0.0.0:10020 failed on connection exception

Call From hadoop1/192.168.56.110 to 0.0.0.0:10020 failed on connection exception

img

问题原因：

报错信息提示，在访问端口 100020的时候出错，这表示DataNode 需要访问 MapReduce JobHistory Server，而默认值是： 0.0.0.0:10020 。

解决方案：

找到{HADOOP_HOME}/etc/hadoop/mapred-site.xml配置文件 ,增加如下配置：

<property>
  <name>mapreduce.jobhistory.address</name>
  <!-- 配置实际的主机名和端口-->
  <value>{namenode}:10020</value>
</property>
1
2
3
4
5

这里我的主机名是hadoop1，所以配置的值是hadoop1:10020

img

参考： http://blog.csdn.net/lazythinker/article/details/52064165 (opens new window)

# 6. GENERIC_HDFS_CONNECTOR_0007:Invalid input/output directory - Output directory is not empty

GENERIC_HDFS_CONNECTOR_0007:Invalid input/output directory - Output directory is not empty

img

错误原因： 输入或者输出目录不是空目录，本示例的错误原因是之前启动job后，在HDFS里已经导入过一些数据进去。没删除，所以报这个错。

解决方案： 删除该目录下的内容即可 清空上方创建job时指定的output目录（/root/test）中内容即可。

#Hadoop#Sqoop
最后更新时间: 2022/7/23 10:17:11
Sqoop错误：CLIENT_0004:Unable to find valid Kerberos ticket cache (kinit)
Sqoop2安装

← Sqoop2安装→

最近更新
01
分区分桶
08-21
02
数据模型（重要）
08-21
03
安装和编译
08-21
更多文章>
Theme by Vdoing