<关于数据仓库>基于docker的Mysql与Hadoop/Hive之间的数据转移 (使用Apache Sqoop™)

原创博客，转载请联系博主!

摘要：本文介绍了如何使用docker快速搭建一个可以从外部访问的mysql服务容器，和由docker搭建的分布式Hadoop文件系统，并且使用ApacheSqoop完成将mysql中的关系型数据库转移到导入到hadoop文件系统之中，以及过程中遇到的一些问题及解决办法，一些为了避免错误要注意的细节！一转眼又是半个学期了，顺便感慨下时间过的好快呀..

再阅读之前你需要先 安装docker，我使用的是centos7，安装docker可以直接通过

　　yum -y install docker-io

fedora/RHEL及其它使用yum作为包管理工具的都可以这样一步到位，其他distribu的linux安装过程可以通过下面的链接学习：

Ubuntu，Debian，FreeBSD...

一. 用Docker搭建Mysql服务，并通过远程访问

参考Github Repository：https://github.com/docker-library/docs

这是docker官方的docker-library其中有对各种数据库系统包括spark，redis，mongo等官方镜像的使用方法介绍。

首先需要拉取官方的DockerHub镜像

　　docker pull mysql:latest

或者你可以直接下载下来Dockerfile和entrypoint.sh脚本来构建一个 mysql镜像（5.6）

这里个人不推荐直接git clone下来整个庞大的docker-library，不如直接在浏览器上复制粘贴下来Dockerfile和entrypoint.sh的内容，之后进入Dockerfile所在的目录使用下面docker命令：

　　docker build .

关于Docker各种命令及参数的用法细节个人，个人推荐一个链接，请见 这里。

之后使用 docker images 来检查镜像之中是否存在mysql的镜像，如果存在，那么恭喜你离搭建一个完整的mysql服务只差一步之遥了。

最后创建docker容器完成mysql服务的搭建：

$ docker run --name mysql_serv -e MYSQL_ROOT_PASSWORD=mysqlpassword -d mysql:latest

或者你想要这个容器搭建的mysql服务可以从外部访问，就使用-p选项添加一个端口映射的规则，如将容器的mysql远程登陆端口3306映射为30000：

$ docker run -p 30000:3306--name mysql_serv -e MYSQL_ROOT_PASSWORD=mysqlpassword -d mysql:latest # 这里注意-p选项一定不能放在mysql:latest后面，不然不会有什么端口映射'-p 30000:3306'会直接作为cmd参数给容器启动！

（其中-e选项代表export 代表运行时使用-e后定义的环境变量 -d选项代表deamon指这个容器会在后台运行，和shell中的'&'很类似）

再使用：

$ docker exec -t -i mysql_serv /bin/bash

（其中-t和-i选项代表我们执行的进程创建了一个新的TTY并捕捉STDIN，即‘新建一个TTY并登入到这个容器之中’这和docker attach.. 有很大的区别）

之后我们就可以从外部登录我们的mysql服务了，容器通过端口映射实现了一个类似反向代理的服务！

二. 用docker搭建hadoop分布式文件系统

下面关于搭建Hadoop-docker的过程参考 原作者的文章。想了解具体原理的同学请参考作者原文，这里就给出“傻瓜式”完成搭建的过程：

首先拉取下面几个DockerHub镜像，这些镜像已经是成型的Hadoop节点：

(1) 拉取DockerHub中成型的Hadoop镜像

sudo docker pull index.alauda.cn/kiwenlau/hadoop-master:0.1.0

sudo docker pull index.alauda.cn/kiwenlau/hadoop-slave:0.1.0

sudo docker pull index.alauda.cn/kiwenlau/hadoop-base:0.1.0

sudo docker pull index.alauda.cn/kiwenlau/serf-dnsmasq:0.1.0

　　

(2) 修改镜像的tag

sudo docker tag d63869855c03 kiwenlau/hadoop-slave:0.1.0

sudo docker tag 7c9d32ede450 kiwenlau/hadoop-master:0.1.0

sudo docker tag 5571bd5de58e kiwenlau/hadoop-base:0.1.0

sudo docker tag 09ed89c24ee8 kiwenlau/serf-dnsmasq:0.1.0

　　

(3) 下载启动hadoop镜像的shell脚本

git clone https://github.com/kiwenlau/hadoop-cluster-docker

　　

(4) 运行容器脚本

./hadoop-cluster-docker/start-container.sh

　　

正常运行后的结果如下：

(5) 附加：搭建N节点的Hadoop集群（可选）

#重新配置容器参数，N为hadoop集群大小，下面默认N=5
./resize-cluster.sh 5
#启动容器
./start-container 5

　　

 (6) 启动Hadoop（相当于编译后的hadoop的start-all.sh脚本）

# 进入master的交互界面后（ssh和docker exec..均可）
./start-hadoop.sh

运行一次wordcount测试脚本(run-wordcount.sh)后正常的结果如下所示：

到这里hadoop集群就搭建完成了！

三. 构建Hive数据库

首先我们要登录hadoop的master节点：

docker exec -i -t master /bin/bash

 配置Hive数据库

（到这里docker的hadoop节点都是可以访问外网的，我们直接下载并配置hive到master上）

#选择一个合适的目录并下载hive-binary包，注意要下载bin包而非src包
wget http://www.eu.apache.org/dist/hive/hive-1.2.1/apache-hive-1.2.1-bin.tar.gz

下载完成进行解压：

#这里注意下载到的格式后缀最好为.tar.gz
tar xzvf xxxx.tar.gz

然后将hive的环境变量配置好：

#进入hive的主目录下
echo "export HIVE_HOME=$(pwd)" >> /etc/profile
echo "export PATH=\$PATH:\$HIVE_HOME/bin">>/etc/profile
echo "export HIVE_CONF_DIR=\$HIVE_HOME/conf">>/etc/profile
source /etc/profile

（重要）因为$HADOOP_HOME/share/hadoop/yarn/lib中的jline-x.x.x.jar版本太低用$HIVE_HOME/lib中的jline-x.x.x.jar进行代替：

#替代hadoop中的低版本jline.x.x.x.jar
#需要环境变量 $HADOOP_HOME 和 $HIVE_HOME
jline_hadoop_path=$HADOOP_HOME/share/hadoop/yarn/lib/$(ls $HADOOP_HOME/share/hadoop/yarn/lib|grep jline)
jline_hive_path=$HIVE_HOME/lib/$(ls $HIVE_HOME/lib|grep jline)
cp $jline_hive_path $HADOOP_HOME/share/hadoop/yarn/lib/
rm $jline_hadoop_path 

然后直接输入'hive'启动hive，结果如下图所示：

到这里hive的安装配置就完成了！

四. Apache Sqoop的安装及配置

（1）首先下载Apache Sqoop

官网FTP站为：http://www.us.apache.org/dist/sqoop/1.4.6/

这里还要注意由于Docker镜像中的Hadoop节点中版本为：

这里Hadoop2以上的版本必须使用Sqoop2以上的版本才可以正常运行，千万不要弄错了，不然后面会很麻烦。

注意要下载1.4.6版本，不要下载官网推荐最新的1.9.x版本，这里使用的是：http://www.us.apache.org/dist/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz

#下载sqoop脚本
#以下文件的名字请根据实际修改
mkdir ~/sqoop
cd ~/sqoop
wget http://www.us.apache.org/dist/sqoop/1.4.6/sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz
tar zxvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz

进入sqoop的主目录进行一些修改:

#配置环境变量
echo "export SQOOP_HOME=$(pwd)" >>/etc/profile
echo "export PATH=\$PATH:\$SQOOP_HOME/bin">>/etc/profile
source /etc/profile

#将sqoop-1.4.6.jar放入$SQOOP_HOME/lib不然接下来会报错（不信你试试= =）
cp sqoop-1.4.6.jar $SQOOP_HOME/lib/

之后进入$SQOOP_HOME/conf进行一些配置：

#重命名文件
mv sqoop-env-template.sh sqoop-env.sh

之后修改sqoop-env.sh中的内容，将里面被注释掉的HADOOP_COMMON_HOME，HADOOP_MAPRED_HOME改为和HADOOP_HOME一致，再写好HIVE_HOME，如下所示：

　　

最后直接运行'sqoop‘,会出现一些WARNING，但是没有关系忽略掉他们，你的sqoop已经配置完成了！

　　

五. 使用Apache Sqoop进行Mysql的表->Hive的表的转移

到这里就可以自由发挥了，比如我们在mysql中创建一个testdb，再创建一张testtable：

drop database testdb;
create database testdb;
use testdb;
create table testtable(
        id char(10) primary key,
        name char(10) not null
);

insert into testtable(id,name) values('00000','kimmin');
insert into testtable(id,name) values('00001','kimmin1');
insert into testtable(id,name) values('00002','kimmin2');
insert into testtable(id,name) values('00003','kimmin3');

因为这里我们要和mysql之间沟通数据，所以要在$SQOOP_HOME/lib下面添加mysql的jdbc桥接包：

我这里上传了一份mysql的jdbc-connector包，由于格式限制，请大家wget到master容器后手动在后缀名从.rar改成.jar！

　

然后在master容器中使用命令：（执行之前请确认使用hive创建了数据库hivedb:create database hivedb）

sqoop import --connect jdbc:mysql://172.17.0.3:3306/testdb --username root --password dbpassword --table testtable --fields-terminated-by "\t" --lines-terminated-by "\n" --hive-import --hive-overwrite --create-hive-table --hive-table hivedb.testtable --delete-target-dir

关于sqoop的其它用法个人推荐这篇博客：http://segmentfault.com/a/1190000002532293#articleHeader8

这里得用mysql容器的虚拟私有ip来进行连接，所以端口自然也用容器的虚拟端口3306，而非外部映射的端口，转移成功结果如下：

进入hive检查结果：

到此为止，使用sqoop将数据从mysql转移到hive已经完成了！

如果有疑问欢迎留言，博主会尽快回答！