在hadoop环境搭建完成后，接下来就是要把sqoop整合进来，使其可以利用hadoop和mysql-connector-java来从MySQL中抽取数据并转存到hdfs上。
1. 将得到的sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz解压到/usr/local/下，并建立/usr/local/sqoop软链接。
mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz /usr/local/ tar -xvf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz ln -s /usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha /usr/local/sqoop
2. 将/usr/local/sqoop,/usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha属主属组修改为hadoop，保证hadoop用户可以使用：
chown -R hadoop:hadoop /usr/local/sqoop-1.4.6.bin__hadoop-2.0.4-alpha chown -R hadoop:hadoop /usr/local/sqoop
3. 配置SQOOP_HOME环境变量，在/etc/profile中添加和修改如下记录：
export SQOOP_HOME=/usr/local/sqoop export PATH=$JAVA_HOME/bin:$HADOOP_HOME/bin:$HADOOP_HOME/sbin:$SQOOP_HOME/bin:$PATH
4. 对sqoop进行配置，保证其可以整合到hadoop中：
1）进入到$SQOOP_HOME/conf目录下，复制一份sqoop环境配置脚本sqoop-env-template.sh到当前目录，并重命名为sqoop-env.sh：
cd $SQOOP_HOME/conf cp sqoop-env-template.sh sqoop-env.sh
2）修改sqoop-env.sh的HADOOP_COMMON_HOME和HADOOP_MAPRED_HOME变量值，使其对应于相应的hadoop文件路径：
export HADOOP_COMMON_HOME=/usr/local/hadoop export HADOOP_MAPRED_HOME=/usr/local/hadoop/share/hadoop/mapreduce
3）sqoop需要连接mysql和运行mapreduce程序来完成数据抽取，因此需要mysql-connector和mapreduce相应库文件的支持，请将mysql-connector-java包和$HADOOP_HOME/share/hadoop/mapreduce/下的所有jar包复制到$SQOOP_HOME/lib目录下：
cp $HADOOP_HOME/share/hadoop/mapreduce/*.jar $SQOOP_HOME/lib/ cp ~/mysql-connector-java-5.1.32-bin.jar $SQOOP_HOME/lib/ chown -R hadoop:hadoop $SQOOP_HOME/lib/
5. 下面可以使用sqoop脚本来进行数据抽取操作了，该脚本在$SQOOP_HOME/bin目录下，使用方法如下：
#测试数据库是否可以连接 sqoop list-databases --connect jdbc:mysql://localhost:3306/actionLog --username root --P （如果返回数据库名，则可以通过sqoop连接mysql数据库）
#从MySQL库中抽取数据到hdfs上 sqoop import --connect jdbc:mysql://hadoop-test-nn:3306/actionLog --username root -P --table log --columns "logger_id,time" --where ‘action = "login"‘ --target-dir /test/loginInfo 选项说明： --username 数据库用户名 -P 使用交互方式隐蔽和输入数据库用户口令 --table 指定导出的库表名 --columns 指定表中哪些列的数据被导出 --where 可以通过添加类似sql语句中where条件来筛选导出的记录 --target-dir 导出的数据存放在hdfs上的路径，这里的路径值是hdfs上的路径，并不是文件系统本身的绝对路径
上述sqoop import命令是对mysql上actionLog库中的log表进行数据抽取，该表的表结构如下：
mysql> desc log; +--------------+--------------+------+-----+---------+----------------+ | Field | Type | Null | Key | Default | Extra | +--------------+--------------+------+-----+---------+----------------+ | log_id | bigint(20) | NO | PRI | NULL | auto_increment | | name | varchar(255) | YES | | NULL | | | action | varchar(255) | YES | | NULL | | | logger_id | varchar(255) | YES | | NULL | | | time | varchar(255) | YES | | NULL | | +--------------+--------------+------+-----+---------+----------------+
因为指定了导出列为logger_id、time。因此导出到hdfs上的数据如下：
[[email protected] lib]$ hdfs dfs -ls /test/loginInfo Found 1 items -rw-r--r-- 2 hadoop supergroup 211825 2017-08-02 16:04 /test/loginInfo/userLoginInfo.txt [[email protected] lib]$ hdfs dfs -cat /test/loginInfo/userLoginInfo.txt wanger,2017-07-27 14:21:12 zhangsan,2017-07-27 14:37:16 james,2017-07-27 15:27:13 ...
（注：这里对/test/loginInfo下的文本内容进行了合并和重新存放，实际使用过程中该目录下会产生多个以part-**格式命名的文本，文本内容的格式是一致的）
数据已经成功抽取并以文本方式存放到hdfs上了。下面就可以编写mapreduce程序来对文本进行分析了。