使用sqoop将mysql数据导入到hadoop_MySQL

hadoop的安装配置这里就不讲了。

Sqoop的安装也很简单。 完成sqoop的安装后，可以这样测试是否可以连接到mysql(注意：mysql的jar包要放到 SQOOP_HOME/lib 下)： sqoop list-databases --connect jdbc:mysql://192.168.1.109:3306/ --username root --password 19891231 结果如下 即说明sqoop已经可以正常使用了。 下面，要将mysql中的数据导入到hadoop中。 我准备的是一个300万条数据的身份证数据表： 先启动hive（使用命令行：hive 即可启动） 然后使用sqoop导入数据到hive： sqoop import --connect jdbc:mysql://192.168.1.109:3306/hadoop --username root --password 19891231 --table test_sfz --hive-import sqoop 会启动job来完成导入工作。 完成导入用了2分20秒，还是不错的。 在hive中可以看到刚刚导入的数据表： 我们来一句sql测试一下数据： select * from test_sfz where id < 10; 可以看到，hive完成这个任务用了将近25秒，确实是挺慢的（在mysql中几乎是不费时间），但是要考虑到hive是创建了job在hadoop中跑，时间当然多。

---

接下来，我们会对这些数据进行复杂查询的测试： 我机子的配置如下： hadoop 是运行在虚拟机上的伪分布式，虚拟机OS是ubuntu12.04 64位，配置如下：

TEST 1 计算平均年龄

测试数据：300.8 W 1. 计算广东的平均年龄 mysql：select (sum(year(NOW()) - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz where address like '广东%'; 用时： 0.877s hive：select (sum(year('2014-10-01') - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz where address like '广东%'; 用时：25.012s 2. 对每个城市的的平均年龄进行从高到低的排序 mysql：select address, (sum(year(NOW()) - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz GROUP BY address order by ageAvge desc; 用时：2.949s hive：select address, (sum(year('2014-10-01') - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz GROUP BY address order by ageAvge desc; 用时：51.29s 可以看到，在耗时上面，hive的增长速度较mysql慢。

TEST 2

测试数据：1200W mysql 引擎： MyISAM（为了加快查询速度） 导入到hive： 1. 计算广东的平均年龄 mysql：select (sum(year(NOW()) - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 where address like '广东%'; 用时： 5.642s hive：select (sum(year('2014-10-01') - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 where address like '广东%'; 用时：168.259s 2. 对每个城市的的平均年龄进行从高到低的排序 mysql：select address, (sum(year(NOW()) - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 GROUP BY address order by ageAvge desc; 用时：11.964s hive：select address, (sum(year('2014-10-01') - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 GROUP BY address order by ageAvge desc; 用时：311.714s

TEST 3

测试数据：2000W mysql 引擎： MyISAM（为了加快查询速度） 导入到hive： （这次用的时间很短！可能是因为TEST2中的导入时，我的主机在做其他耗资源的工作..） 1. 计算广东的平均年龄 mysql：select (sum(year(NOW()) - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 where address like '广东%'; 用时： 6.605s hive：select (sum(year('2014-10-01') - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 where address like '广东%'; 用时：188.206s 2. 对每个城市的的平均年龄进行从高到低的排序 mysql：select address, (sum(year(NOW()) - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 GROUP BY address order by ageAvge desc; 用时：19.926s hive：select address, (sum(year('2014-10-01') - SUBSTRING(borth,1,4))/count(*)) as ageAvge from test_sfz2 GROUP BY address order by ageAvge desc; 用时：411.816s

声明：本网页内容旨在传播知识，若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。TEL:177 7030 7066 E-MAIL:11247931@qq.com