Sqoop1.99.7将MySQL数据导入到HDFS中

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
http://blog.csdn.net/m_signals/article/details/53190965
http://blog.csdn.net/lazythinker/article/details/52064165
http://blog.sina.com.cn/s/blog_61d8d9640102whof.html
mysql数据库信息：
test库中user表中的记录（共1条）

HDFS数据情况

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

创建link

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。

创建mysql-link

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
Driverclass: com.mysql.jdbc.Driver
ConnectionString: jdbc:mysql://10.25.40.37/test
Username: root
Password:*********
FetchSize:
ConnectionProperties:
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>

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

创建hdfs-link

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>

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

注意下面红色部分
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: （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: （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>

启动job

命令

# start job -name jobName
start job -name test1

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。

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

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

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）
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;

详细操作步骤可自行百度。

User: root is not allowed to impersonate root

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>

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>

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

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

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：

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

参考至：
http://blog.sina.com.cn/s/blog_61d8d9640102whof.html

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
参考至：
http://blog.csdn.net/qiruiduni/article/details/50280943

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。

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

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>

<value>{namenode}:10020</value>
</property>

这里我的主机名是hadoop1，所以配置的值是hadoop1:10020

参考至：
http://blog.csdn.net/lazythinker/article/details/52064165

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

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。

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

查看文件内容

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。

巴特西