Sqoop增量導(dǎo)入數(shù)據(jù)操作步驟

當(dāng)MySQL表中的數(shù)據(jù)發(fā)生了新增或修改變化，需要更新HDFS上對應(yīng)的數(shù)據(jù)時(shí)，就可以使用Sqoop的增量導(dǎo)入功能。Sqoop目前支持兩種增量導(dǎo)入模式：append模式和lastmodified模式。其中，append模式主要針對INSERT新增數(shù)據(jù)的增量導(dǎo)入；lastmodified模式主要針對UPDATE修改數(shù)據(jù)的增量導(dǎo)入。

在進(jìn)行增量導(dǎo)入操作時(shí)，首先必須指定“--check-column”參數(shù)，用來檢查數(shù)據(jù)表列字段，從而確定哪些數(shù)據(jù)需要執(zhí)行增量導(dǎo)入。例如，在執(zhí)行append模式增量導(dǎo)入時(shí)，通常會(huì)將“--check-column”參數(shù)指定為具有連續(xù)自增功能的列（如主鍵id）；而執(zhí)行l(wèi)astmodified模式增量導(dǎo)入時(shí)，通常會(huì)將“--check-column”參數(shù)必須指定為日期時(shí)間類型的列（如date或timestamp類型的列）。

同時(shí)，還可以為增量導(dǎo)入操作指定“--last-value”參數(shù)，用于只增量導(dǎo)入last-value值以后的記錄數(shù)據(jù)，然后存儲(chǔ)到之前HDFS上相應(yīng)目錄下的一個(gè)單獨(dú)文件中。否則，會(huì)導(dǎo)入原表中所有數(shù)據(jù)到HDFS上相應(yīng)目錄下的一個(gè)單獨(dú)文件中。

為了演示增量導(dǎo)入操作，首先向emp表添加新數(shù)據(jù)，指令如下所示。

INSERT INTO `emp` VALUES ('1206', 'itcast', 'java dev', '50000', 'AC');

$ sqoop import \

--connect jdbc:mysql://hadoop01:3306/userdb \

--username root \

--password 123456 \

--target-dir /sqoopresult \

--table emp \

--num-mappers 1 \

**--incremental append** \

**--check-column id** \

**--last-value 1205

上述增量導(dǎo)入的操作指令與10.4.1小節(jié)所示的指令基本相同，為了實(shí)現(xiàn)增量導(dǎo)入功能，新添加了三個(gè)參數(shù)。其中，“--incremental append”指定了使用增量導(dǎo)入的模式為append；“--check-column id”指定了針對表emp數(shù)據(jù)的id主鍵進(jìn)行檢查；“--last-value 1205”指定了針對id值為1205以后的數(shù)據(jù)執(zhí)行增量導(dǎo)入。

執(zhí)行上述指令后，從HDFS UI界面查看增量導(dǎo)入結(jié)果，如圖1所示。

圖1 增量導(dǎo)入結(jié)果文件

從圖1可以看出，增量導(dǎo)入的數(shù)據(jù)在指定的目標(biāo)目錄下創(chuàng)建了一個(gè)新的結(jié)果文件part-m-00001，可以使用hadoop fs -cat命令查看數(shù)據(jù)，如圖2所示。

圖2 增量導(dǎo)入結(jié)果文件內(nèi)容

從圖2可以看出，當(dāng)設(shè)置了“--last-value 1205”參數(shù)后，增量導(dǎo)入的新結(jié)果文件只會(huì)把指定值后的數(shù)據(jù)添加到結(jié)果文件中。

這里只演示了開發(fā)中常用的append模式的增量導(dǎo)入操作，讀者也可以根據(jù)說明進(jìn)行另一種lastmodified模式增量導(dǎo)入的操作。但需要注意的是，必須保證lastmodified模式增量導(dǎo)入的數(shù)據(jù)具有日期時(shí)間類型的列字段。


猜你喜歡：

怎樣安裝和配置Sqoop？

Mysql查詢題:多表連接，找不到連接條件怎么處理？

Mysql中怎么刪除數(shù)據(jù)表？

傳智教育大數(shù)據(jù)工程師培訓(xùn)課程