Movle

[LeeCode-面试02.07]链表相交

2019-05-17

一.题目：

给定两个（单向）链表，判定它们是否相交并返回交点。请注意相交的定义基于节点的引用，而不是基于节点的值。换句话说，如果一个链表的第k个节点与另一个链表的第j个节点是同一节点（引用完全相同），则这两个链表相交。

示例 1：
输入：intersectVal = 8, listA = [4,1,8,4,5], listB = [5,0,1,8,4,5], skipA = 2, skipB = 3
输出：Reference of the node with value = 8
输入解释：相交节点的值为 8 （注意，如果两个列表相交则不能为 0）。从各自的表头开始算起，链表 A 为 [4,1,8,4,5]，链表 B 为 [5,0,1,8,4,5]。在 A 中，相交节点前有 2 个节点；在 B 中，相交节点前有 3 个节点。

示例 2：
输入：intersectVal = 2, listA = [0,9,1,2,4], listB = [3,2,4], skipA = 3, skipB = 1
输出：Reference of the node with value = 2
输入解释：相交节点的值为 2 （注意，如果两个列表相交则不能为 0）。从各自的表头开始算起，链表 A 为 [0,9,1,2,4]，链表 B 为 [3,2,4]。在 A 中，相交节点前有 3 个节点；在 B 中，相交节点前有 1 个节点。

示例 3：
输入：intersectVal = 0, listA = [2,6,4], listB = [1,5], skipA = 3, skipB = 2
输出：null
输入解释：从各自的表头开始算起，链表 A 为 [2,6,4]，链表 B 为 [1,5]。由于这两个链表不相交，所以 intersectVal 必须为 0，而 skipA 和 skipB 可以是任意值。
解释：这两个链表不相交，因此返回 null。

注意：
如果两个链表没有交点，返回 null 。
在返回结果后，两个链表仍须保持原有的结构。
可假定整个链表结构中没有循环。
程序尽量满足 O(n) 时间复杂度，且仅用 O(1) 内存

二.题解：

1.第一种方法：暴力法

(1)解题思路：

利用嵌套循环判断一个链表中的引用是否在另一个链表中存在

(2)代码：

/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode(int x) {
 *         val = x;
 *         next = null;
 *     }
 * }
 */
public class Solution {
    public ListNode getIntersectionNode(ListNode headA, ListNode headB) {
        if(headA==null||headB==null){
            return null;
        }
        ListNode A=headA;
        ListNode B=headB;

        while(A!=null){
            B=headB;
            while(B!=null){
                if(A==B){
                    return A;
                }
                B=B.next;
            }
            A=A.next;   
        }
        return null;
    }
}

2.第二种方法：

(1)解题思路：

将一个链表的所有引用存储在list中，
再判断另一个链表中的引用是否存在与前一个链表相同的引用

(2)代码：

/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode(int x) {
 *         val = x;
 *         next = null;
 *     }
 * }
 */
public class Solution {
    public ListNode getIntersectionNode(ListNode headA, ListNode headB) {
        if(headA==null||headB==null){
            return null;
        }
        List<ListNode> list = new LinkedList<ListNode>();

        while(headA!=null){
            list.add(headA);
            headA=headA.next;
        }

        while(headB!=null){
            if(list.contains(headB)){
                return headB;
            }
            headB=headB.next;
        }
        return null;
    }
}

[LeetCode-面试02.06]回文链表

2019-05-12

LeetCode

一.题目：

编写一个函数，检查输入的链表是否是回文的。

示例 1：
输入： 1->2
输出： false
示例 2：
输入： 1->2->2->1
输出： true

二.题解：

1.第一种解法：

(1)解题思路：

首先生成新的反转head的链表newHead
然后判断两个链表是否相等即可
若相等则是回文链表，否则不是

(2)代码：

/**
 * Definition for singly-linked list.
 * public class ListNode {
 *     int val;
 *     ListNode next;
 *     ListNode(int x) { val = x; }
 * }
 */
class Solution {
    public boolean isPalindrome(ListNode head){
        ListNode newHead =reverseAndClone(head);
        return isEquals(head,newHead);
    }
    public ListNode reverseAndClone(ListNode node){
        ListNode head = null;

        //     n                     n
        //node:1->2->3->4    head:1<-2<-3<-4
        while(node!=null){
            ListNode n = new ListNode(node.val);   //复制
            n.next=head;
            head=n;

            node=node.next;
        }
        return head;
    }
    public boolean isEquals(ListNode l1,ListNode l2){

        while(l1!=null&&l2!=null){
            if(l1.val!=l2.val){
                return false;
            }
            l1=l1.next;
            l2=l2.next;
        }
        
        return l1==null&&l2==null;
    }

}

Sqoop一些常用命令及参数

2019-05-09

Sqoop

一.常用命令列举

这里列出了一部分Sqoop操作时的常用参数，以供参考，需要深入学习的可以参看对应类的源代码。

序号	命令	类	说明
1	import	ImportTool	将数据导入到集群
2	export	ExportTool	将集群数据导出
3	codegen	CodeGenTool	获取数据库中某张表数据生成Java并打包Jar
4	create-hive-table	CreateHiveTableTool	创建Hive表
5	eval	EvalSqlTool	查看SQL执行结果
6	import-all-tables	ImportAllTablesTool	导入某个数据库下所有表到HDFS中
7	job	JobTool	用来生成一个sqoop的任务，生成后，该任务并不执行，除非使用命令执行该任务。
8	list-databases	ListDatabasesTool	列出所有数据库名
9	list-tables	ListTablesTool	列出某个数据库下所有表
10	merge	MergeTool	将HDFS中不同目录下面的数据合在一起，并存放在指定的目录中
11	metastore	MetastoreTool	记录sqoop job的元数据信息，如果不启动metastore实例，则默认的元数据存储目录为：~/.sqoop，如果要更改存储目录，可以在配置文件sqoop-site.xml中进行更改。
12	help	HelpTool	打印sqoop帮助信息
13	version	VersionTool	打印sqoop版本信息

二.命令&参数详解

首先来了解一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。

1.公用参数：数据库连接

序号	参数	说明
1	–connect	连接关系型数据库的URL
2	–connection-manager	指定要使用的连接管理类
3	–driver	Hadoop根目录
4	–help	打印帮助信息
5	–password	连接数据库的密码
6	–username	连接数据库的用户名
7	–verbose	在控制台打印出详细信息

2.公用参数：import

序号	参数	说明
1	–enclosed-by	给字段值前加上指定的字符
2	–escaped-by	对字段中的双引号加转义符
3	–fields-terminated-by	设定每个字段是以什么符号作为结束，默认为逗号
4	–lines-terminated-by	设定每行记录之间的分隔符，默认是\n
5	–mysql-delimiters	Mysql默认的分隔符设置，字段之间以逗号分隔，行之间以\n分隔，默认转义符是\，字段值以单引号包裹。
6	–optionally-enclosed-by	给带有双引号或单引号的字段值前后加上指定字符

3.公用参数：export

序号	参数	说明
1	–input-enclosed-by	对字段值前后加上指定字符
2	–input-escaped-by	对含有转移符的字段做转义处理
3	–input-fields-terminated-by	字段之间的分隔符
4	–input-lines-terminated-by	行之间的分隔符
5	–input-optionally-enclosed-by	给带有双引号或单引号的字段前后加上指定字符

4.公用参数：hive

序号	参数	说明
1	–hive-delims-replacement	用自定义的字符串替换掉数据中的\r\n和\013 \010等字符
2	–hive-drop-import-delims	在导入数据到hive时，去掉数据中的\r\n\013\010这样的字符
3	–map-column-hive	生成hive表时，可以更改生成字段的数据类型
4	–hive-partition-key	创建分区，后面直接跟分区名，分区字段的默认类型为string
5	–hive-partition-value	导入数据时，指定某个分区的值
6	–hive-home	hive的安装目录，可以通过该参数覆盖之前默认配置的目录
7	–hive-import	将数据从关系数据库中导入到hive表中
8	–hive-overwrite	覆盖掉在hive表中已经存在的数据
9	–create-hive-table	默认是false，即，如果目标表已经存在了，那么创建任务失败。
10	–hive-table	后面接要创建的hive表,默认使用MySQL的表名
11	–table	指定关系数据库的表名

公用参数介绍完之后，我们来按照命令介绍命令对应的特有参数。

5.命令&参数：import

将关系型数据库中的数据导入到HDFS（包括Hive，HBase）中，如果导入的是Hive，那么当Hive中没有对应表时，则自动创建。

(1).命令：

如：导入数据到hive中

$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--table access \
--hive-import \
--fields-terminated-by "\t"

如：增量导入数据到hive中，mode=append

append导入：

$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--table aca \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/student_hive \
--check-column id \
--incremental append \
--last-value 2

导入前hive表
导入前mysql表
导入命令
导入后hive表

提示：append不能与–hive-等参数同时使用（Append mode for hive imports is not yet supported. Please remove the parameter –append-mode）

注:–last-value 2 的意思是标记增量的位置为第二行，也就是说，当数据再次导出的时候，从第二行开始算

注：如果 –last-value N , N > MYSQL中最大行数，则HDFS会创建一个空文件。如果N<=0 , 那么就是所有数据

如：增量导入数据到hdfs中，mode=lastmodified（注：卡住）

先在mysql中建表并插入几条数据：

mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);

mysql> insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');

mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');

先导入一部分数据：

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--hive-import \
--fields-terminated-by "\t" \
--m 1

导入命令
导入后hive表

再增量导入一部分数据:
添加mysql中的数据

1	mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');

mysql添加数据

增量导入：

$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--m 1 \
--last-value "2019-12-06 01:48:03.0" \
--append \
--fields-terminated-by "\t" \
--warehouse-dir /user/hive/warehouse/

导入命令
增量导入后hive表结果

提示：使用lastmodified方式导入数据要指定增量数据是要–append（追加）还是要–merge-key（合并）

提示：在Hive中，如果不指定输出路径，可以去看以下两个目录

1 2	1. /user/root（此为用户名） 2./user/hive/warehouse 个人配置的目录

提示：last-value指定的值是会包含于增量导入的数据中

如果卡住，在yarn-site.xml中加入以下配置

<property>
    <name>yarn.nodemanager.resource.memory-mb</name>
    <value>20480</value>
</property>

<property>
   <name>yarn.scheduler.minimum-allocation-mb</name>
   <value>2048</value>
</property>

<property>
    <name>yarn.nodemanager.vmem-pmem-ratio</name>
    <value>2.1</value>
</property>

(2).参数：

序号	参数	说明
1	–append	将数据追加到HDFS中已经存在的DataSet中，如果使用该参数，sqoop会把数据先导入到临时文件目录，再合并。
2	–as-avrodatafile	将数据导入到一个Avro数据文件中
3	–as-sequencefile	将数据导入到一个sequence文件中
4	–as-textfile	将数据导入到一个普通文本文件中
5	–boundary-query	边界查询，导入的数据为该参数的值（一条sql语句）所执行的结果区间内的数据。
6	–columns <col1, col2, col3>	指定要导入的字段
7	–direct	直接导入模式，使用的是关系数据库自带的导入导出工具，以便加快导入导出过程。
8	–direct-split-size	在使用上面direct直接导入的基础上，对导入的流按字节分块，即达到该阈值就产生一个新的文件
9	–inline-lob-limit	设定大对象数据类型的最大值
10	-m或–num-mappers	启动N个map来并行导入数据，默认4个
11	–query或–e	将查询结果的数据导入，使用时必须伴随参–target-dir，–hive-table，如果查询中有where条件，则条件后必须加上$CONDITIONS关键字
12	–split-by	按照某一列来切分表的工作单元，不能与–autoreset-to-one-mapper连用（请参考官方文档）
13	–table	关系数据库的表名
14	–target-dir	指定HDFS路径
15	–warehouse-dir	与14参数不能同时使用，导入数据到HDFS时指定的目录
16	–where	从关系数据库导入数据时的查询条件
17	–z或–compress	允许压缩
18	–compression-codec	指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)
19	–null-string <null-string>	string类型的列如果null，替换为指定字符串
20	–null-non-string <null-string>	非string类型的列如果null，替换为指定字符串
21	–check-column <col>	作为增量导入判断的列名
22	–incremental <mode>	mode：append或lastmodified
23	–last-value <value>	指定某一个值，用于标记增量导入的位置

6.命令&参数：export

从HDFS（包括Hive和HBase）中将数据导出到关系型数据库中。

(1).命令：

如：

bin/sqoop export \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--export-dir /user/hive/warehouse/student_hive \
--table adc \
--num-mappers 1 \
--input-fields-terminated-by "\t"

导出命令

hive表

导出前mysql表
导出后mysql表

(2). 参数：

序号	参数	说明
1	–direct	利用数据库自带的导入导出工具，以便于提高效率
2	–export-dir <dir>	存放数据的HDFS的源目录
3	-m或–num-mappers <n>	启动N个map来并行导入数据，默认4个
4	–table <table-name>	指定导出到哪个RDBMS中的表
5	–update-key <col-name>	对某一列的字段进行更新操作
6	–update-mode <mode>	updateonly allowinsert(默认)
7	–input-null-string <null-string>	请参考import该类似参数说明
8	–input-null-non-string <null-string>	请参考import该类似参数说明
9	–staging-table <staging-table-name>	创建一张临时表，用于存放所有事务的结果，然后将所有事务结果一次性导入到目标表中，防止错误
10	–clear-staging-table	如果第9个参数非空，则可以在导出操作执行前，清空临时事务结果表

7.命令&参数：codegen

将关系型数据库中的表映射为一个Java类，在该类中有各列对应的各个字段。

如：

bin/sqoop codegen \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/desktop/staff \
--class-name staff \
--fields-terminated-by "\t"

序号	参数	说明
1	–bindir <dir>	指定生成的Java文件、编译成的class文件及将生成文件打包为jar的文件输出路径
2	–class-name <name>	设定生成的Java文件指定的名称
3	–outdir <dir>	生成Java文件存放的路径
4	–package-name <name>	包名，如com.z，就会生成com和z两级目录
5	–input-null-non-string <null-str>	在生成的Java文件中，可以将null字符串或者不存在的字符串设置为想要设定的值（例如空字符串）
6	–input-null-string <null-str>	将null字符串替换成想要替换的值(一般与5同时使用)
7	–map-column-java <arg>	数据库字段在生成的Java文件中会映射成各种属性，且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型，例如：–map-column-java id=long, name=String
8	–null-non-string <null-str>	在生成Java文件时，可以将不存在或者null的字符串设置为其他值
9	–null-string <null-str>	在生成Java文件时，将null字符串设置为其他值(一般与8同时使用)
10	–table <table-name>	对应关系数据库中的表名，生成的Java文件中的各个属性与该表的各个字段一一对应

8.命令&参数：create-hive-table

生成与关系数据库表结构对应的hive表结构。

(1)命令：

如：仅建表

bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff1

建表命令

(2)参数：

序号	参数	说明
1	–hive-home <dir>	Hive的安装目录，可以通过该参数覆盖掉默认的Hive目录
2	–hive-overwrite	覆盖掉在Hive表中已经存在的数据
3	–create-hive-table	默认是false，如果目标表已经存在了，那么创建任务会失败
4	–hive-table	后面接要创建的hive表
5	–table	指定关系数据库的表名

9.命令&参数：eval

可以快速的使用SQL语句对关系型数据库进行操作，经常用于在import数据之前，了解一下SQL语句是否正确，数据是否正常，并可以将结果显示在控制台。

(1)命令：

如：

bin/sqoop eval \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"

(2)参数：

序号	参数	说明
1	–query或–e	后跟查询的SQL语句

10.命令&参数：import-all-tables

可以将RDBMS中的所有表导入到HDFS中，每一个表都对应一个HDFS目录

(1)命令：

如：注意：(卡住)

bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--hive-import \
--fields-terminated-by "\t"

bin/sqoop-import-all-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--hive-import \
--warehouse-dir /all_tables

company数据库中的所有表
结果1
结果2

(2)参数：

序号	参数	说明
1	–as-avrodatafile	这些参数的含义均和import对应的含义一致
2	–as-sequencefile
3	–as-textfile
4	–direct
5	–direct-split-size <n>
6	–inline-lob-limit <n>
7	–m或–num-mappers <n>
8	–warehouse-dir <dir>
9	-z或–compress
10	–compression-codec

11.命令&参数：job

用来生成一个sqoop任务，生成后不会立即执行，需要手动执行。

(1)命令：

如：

bin/sqoop job \
 --create myjob -- import-all-tables \
 --connect jdbc:mysql://hadoop1:3306/company \
 --username root \
 --password 000000

1 2	bin/sqoop job \ --list

1 2	bin/sqoop job \ --exec myjob

提示：注意import-all-tables和它左边的–之间有一个空格

提示：如果需要连接metastore，则–meta-connect

执行的结果在HDFS：/user/root/ 目录中，即导出所有表到/user/root中

(2)参数：

序号	参数	说明
1	–create <job-id>	创建job参数
2	–delete <job-id>	删除一个job
3	–exec <job-id>	执行一个job
4	–help	显示job帮助
5	–list	显示job列表
6	–meta-connect <jdbc-uri>	用来连接metastore服务
7	–show <job-id>	显示一个job的信息
8	–verbose	打印命令运行时的详细信息

尖叫提示：在执行一个job时，如果需要手动输入数据库密码，可以做如下优化

<property>
		<name>sqoop.metastore.client.record.password</name>
		<value>true</value>
		<description>If true, allow saved passwords in the metastore.</description>
</property>

12.命令&参数：list-databases

(1)命令：

如：

bin/sqoop list-databases \
--connect jdbc:mysql://hadoop1:3306/ \
--username root \
--password 000000

(2)参数：与公用参数一样

13.命令&参数：list-tables

(1)命令：

如：

bin/sqoop list-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000

(2)参数:与公用参数一样

14.命令&参数：merge

将HDFS中不同目录下面的数据合并在一起并放入指定目录中

数据环境：注意:以下数据自己手动改成\t

new_staff

1     AAA male
2     BBB male
3     CCC male
4     DDD male

old_staff

1     AAA female
2     CCC female
3     BBB female
6     DDD female

HDFS上的文件

提示：上边数据的列之间的分隔符应该为\t，行与行之间的分割符为\n，如果直接复制，请检查之。

(1)命令：

如：

创建JavaBean：

bin/sqoop codegen \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

开始合并：注：是hdfs路径

bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged1 \
--jar-file /opt/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id

结果：

(2)参数：

序号	参数	说明
1	–new-data <path>	HDFS 待合并的数据目录，合并后在新的数据集中保留
2	–onto <path>	HDFS合并后，重复的部分在新的数据集中被覆盖
3	–merge-key <col>	合并键，一般是主键ID
4	–jar-file <file>	合并时引入的jar包，该jar包是通过Codegen工具生成的jar包
5	–class-name <class>	对应的表名或对象名，该class类是包含在jar包中的
6	–target-dir <path>	合并后的数据在HDFS里存放的目录

15.命令&参数：metastore

记录了Sqoop job的元数据信息，如果不启动该服务，那么默认job元数据的存储目录为~/.sqoop，可在sqoop-site.xml中修改。

(1)命令：

如：启动sqoop的metastore服务

1	bin/sqoop metastore

(2)参数：

序号	参数	说明
1	–shutdown	关闭metastore

VMware 搭建CentOS7

2019-05-09

Linux

1.文件->新建虚拟机

2.选择自定义，点击下一步

3.点击下一步

4.点击“稍后安装操作系统”，点击下一步

5.选择“Linux(L)”,版本选择”CentOS 7 64位“，点击下一步

6.虚拟机名称填自己所想要命名的名字，位置最好不要放在c盘，点击下一步

7.点击下一步(按需求调整参数)

8.点击下一步(按需求调整参数)

9.选择“使用网络地址转换(NAT)”，点击下一步

10.选择“LSI Logic(L)”，点击下一步

11.选择“SCSI(S)”，点击下一步

12.选择“创建新虚拟磁盘(V)”，点击下一步

13.“最大磁盘大小”视需求而定，选择“将虚拟磁盘拆分成多个文件(M)”,点击下一步

14.点击下一步

15.点击“完成”

16.双击“CD/DVD(IDE)“

17.选择“使用ISO镜像文件”，选择CentOS7 所在的文件地址，点击确定

18.点击“开启次虚拟机”

19.选择“install CentOS7”

20.选择“中文，简体中文（中国）”，点击继续

21.时间和日期，选择“亚洲/上海”，键盘设置，语言支持如下图

22.”安装源“选择“本地介质”，“软件选择”选择“带GUI的服务器”，“KDUMP”选择禁用

23.网络和主机名，“开启以太网”，主机名改为自己想用的名字，点击配置

24.选择“常规”，勾上“可用时自动链接到这个网络”，点击保存”

25.点击完成

26.点击开始安装

27.点击“root密码”

28.输入“root密码”，点击完成

29.等待安装

30.“Initial setup of CentOS linux 7(Core)”,

输入

yes

31.进入linux设置页面，一步步设置即可

Sqoop简单使用案例

2019-05-09

Sqoop

一.导入数据

在Sqoop中，“导入”概念指：从非大数据集群(RDBMS)向大数据集群(HDFS，HIVE，HBASE)中传输数据，叫做：导入，即使用import关键字。

1.RDBMS到HDFS

(1).确定Mysql服务开启正常

(2).在Mysql中新建一张表并插入一些数据

$ mysql -uroot -p000000

mysql> create database company;

mysql> create table company.staff(id int(4) primary key not null auto_increment, name varchar(255), sex varchar(255));

mysql> insert into company.staff(name, sex) values('Thomas', 'Male');

mysql> insert into company.staff(name, sex) values('Catalina', 'FeMale');

(3).导入数据

(a)全部导入

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

导入命令

(b)查询导入

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--query 'select name,sex from staff where id <=3 and $CONDITIONS;'

查询导入命令

提示：must contain ‘$CONDITIONS’ in WHERE clause.
注：CONDITIONS 翻译‘条件’

提示：如果query后使用的是双引号，则$CONDITIONS前必须加转移符，防止shell识别为自己的变量。

(c )导入指定列

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--columns id,name \
--table staff

导入命令

提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格

(d)使用sqoop关键字筛选查询导入数据

bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t" \
--table staff \
--where "id=2"

导入命令

提示：在Sqoop中可以使用sqoop import -D property.name=property.value这样的方式加入执行任务的参数，多个参数用空格隔开。

2.、RDBMS到Hive

$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--table aca \
--delete-target-dir \
--num-mappers 1 \
--hive-import \
--fields-terminated-by "\t" \
--hive-overwrite \
--hive-table student_hive

mysql数据库中表的内容
导入命令

提示：该过程分为两步，第一步将数据导入到HDFS，第二步将导入到HDFS的数据迁移到Hive仓库

尖叫提示：从MYSQL到Hive，本质时从MYSQL => HDFS => load To Hive

二.导出数据

在Sqoop中，“导出”概念指：从大数据集群(HDFS，HIVE，HBASE)向非大数据集群(RDBMS)中传输数据，叫做：导出，即使用export关键字。

1.HIVE/HDFS到RDBMS

(1)创建adc表

1	create table Movle.adc(id int,name VARCHAR(10));

创建mysql 表adc

(2)导入

bin/sqoop export \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--export-dir /user/hive/warehouse/student_hive \
--table adc \
--num-mappers 1 \
--input-fields-terminated-by "\t"

导入命令
Hive表中的数据
导入后mysql中的数据

提示：Mysql中如果表不存在，不会自动创建,自行根据表结构创建

提示：重复往mysql的统一个表中导出数据，mysql的表不能设置主键和自增。

尖叫提示：如果数据导出mysql中是“？？”那么添加characterEncoding=utf-8

思考：数据是覆盖还是追加答案：追加

三.脚本打包

使用opt格式的文件打包sqoop命令，然后执行

1.创建一个.opt文件

1	$ touch job_HDFS2RDBMS.opt

2.编写sqoop脚本

1	$ vi ./job_HDFS2RDBMS.opt

以下命令是从staff_hive中追加导入到mysql的aca表中

export
--connect
jdbc:mysql://hadoop1:3306/Movle
--username
root
--password
000000
--table
adc
--num-mappers
1
--export-dir
/user/hive/warehouse/student_hive
--input-fields-terminated-by
"\t"

job_HDFS2RDBMS.opt

3.执行该脚本

1	$ bin/sqoop --options-file job_HDFS2RDBMS.opt

执行脚本
执行前mysql表adc
执行后mysql表adc

Sqoop安装配置

2019-05-09

Sqoop

0.前提

安装Sqoop的前提是已经具备Java和Hadoop的环境。

1.下载并解压

2. 上传安装包sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz到虚拟机中，如我的上传目录是：/opt/soft/

3.解压sqoop安装包到指定目录，如：

1
2
3

cd /opt/soft

tar -zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/

4. 修改配置文件

Sqoop的配置文件与大多数大数据框架类似，在sqoop根目录下的conf目录中。

(1).重命名配置文件

1
2
3

mv sqoop-env-template.sh sqoop-env.sh

mv sqoop-site-template.xml sqoop-site.xml     //此行不用做

(2).修改配置文件

sqoop-env.sh

1
2
3

cd /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/conf  

vi sqoop-env.sh

添加内容：

export HADOOP_COMMON_HOME=/opt/module/hadoop-2.8.4

export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.8.4

export HIVE_HOME=/opt/module/hive-1.2.1 

export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10 

export ZOOCFGDIR=/opt/module/zookeeper-3.4.10/conf

5.拷贝JDBC驱动

拷贝jdbc驱动到sqoop的lib目录下，如：

1	cp -a mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/lib

6. 验证Sqoop

我们可以通过某一个command来验证sqoop配置是否正确：

1	$ bin/sqoop help

出现一些Warning警告（警告信息已省略），并伴随着帮助命令的输出：

7.测试Sqoop是否能够成功连接数据库

1	bin/sqoop list-databases --connect jdbc:mysql://hadoop1:3306/ --username root --password 000000

出现如下输出：

8.注释配置文件

注:注释掉configure-sqoop 134行到143行的内容，内容如下

1
2
3

cd /opt/module/sqoop-1.4.6.bin__hadoop-2.0.4-alpha/bin 

vi configure-sqoop

134 ## Moved to be a runtime check in sqoop.

135 #if [ ! -d "${HCAT_HOME}" ]; then

136 #  echo "Warning: $HCAT_HOME does not exist! HCatalog jobs will fail."

137 #  echo 'Please set $HCAT_HOME to the root of your HCatalog installation.'

138 #Φ

139 #

140 #if [ ! -d "${ACCUMULO_HOME}" ]; then

141 #  echo "Warning: $ACCUMULO_HOME does not exist! Accumulo imports will fail."

142 #  echo 'Please set $ACCUMULO_HOME to the root of your Accumulo installation.'

143 #Φ