天气炎热，写篇文章降降温，防止中暑。 大数据的数据转置过程中，经常需要将hive数据库中的数据迁移到MySQL等关系型数据库中。而目前市场上成熟的方案已经比比皆是，如利用sqoop的方式、kettle等中间工具。 今天正好闲来无事，考虑在不利于以上2种方式的情况下，成功将hive数据库中的数据导入到了MySQL中。以下为实例。

首先附上一张思路图： 命题：在Hadoop的/file目录中，有一个全国各个城市的坐标（经纬度）文件（coordinate.txt），已利用“\t”分割。现在需要将其存入到hive数据库中，再将hive中的数据导入到MySQL数据库中。 一、在hive中建立一个实例：如liqx

二、使用liqx实例，在其中建一张名为coordinate的表，通过“\t”的方式切割字段。（生产环境中涉及到每天的落地日志时，可以以年月日的方式来建立分区“partition”） ①、全国城市坐标（经度纬度）：coordinate

附上分区（“year”、“month”、“day”）代码：

三、使用load方式将hdfs中的coordinate.txt文件导入到hive数据库中

四、查看一下数据，总共3521行数据 五、在MySQL数据库中创建一张名为“coordinate”的表 #建表语句#

六、编写shell脚本，先查询hive，并将得到的结果重定向为txt文件，再将txt文件load到MySQL数据库中

①：创建一个名为coordinate.sh的shell脚本，并给予可执行权限

②：查询hive，并将得到的结果重定向为txt文件

③：再将txt文件load到MySQL数据库中

④：再在各语句开始和结尾处进行时间监测，渲染一下后得到shell脚本如下 七、保存出后执行coordinate.sh文件（执行过程中可再打开一个窗口通过hadoop job -list 查看Hadoop任务） 八、通过ll命令可查看到目录中多了一个coordinate.txt文件，即shell脚本中执行hive查询后得到的内容，通过more coordinate.txt命令可对文件内容进行查看 九、再去MySQL中进行查询，验证数据是否被load到coordinate表中 十、比较hive、txt、MySQL中数据量是否一致

然后洗澡睡觉，防掉发、防猝死。