Sqoop 导入导出详解(mysql-hive/hdfs)

1.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。

1.1 mysql 数据准备

    • 确定Mysql服务开启正常

    • 在Mysql中新建一张表并插入一些数据

$ mysql -uroot -p123456

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');

1.2 RDBMS到HDFS

1.2.1 全部导入

[luomk@hadoop102 sqoop]$ bin/sqoop import \

> --connect jdbc:mysql://hadoop102:3306/company \

> --username root \

> --password 123456 \

> --table staff \

> --target-dir /user/company \

> --delete-target-dir \

> --num-mappers 1 \

> --fields-terminated-by "\t"

1.2.2 查询导入

[luomk@hadoop102 sqoop]$ bin/sqoop import \

> --connect jdbc:mysql://hadoop102:3306/company \

> --username root \

> --password 123456 \

> --target-dir /user/company \

> --delete-target-dir \

> --num-mappers 1 \

> --fields-terminated-by "\t" \

> --query 'select name,sex from staff where id <=1 and $CONDITIONS;'

    尖叫提示：must contain '$CONDITIONS' in WHERE clause.

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

    尖叫提示：--query选项，不能同时与--table选项使用

1.2.3 导入指定列

[luomk@hadoop102 sqoop]$ bin/sqoop import \

> --connect jdbc:mysql://hadoop102:3306/company \

> --username root \

> --password 123456 \

> --target-dir /user/company \

> --delete-target-dir \

> --num-mappers 1 \

> --fields-terminated-by "\t" \

> --columns id,sex \

> --table staff

    尖叫提示：columns中如果涉及到多列，用逗号分隔，分隔时不要添加空格

1.2.4 使用sqoop关键字筛选查询导入数据

[luomk@hadoop102 sqoop]$ bin/sqoop import \

> --connect jdbc:mysql://hadoop102:3306/company \

> --username root \

> --password 123456 \

> --target-dir /user/company \

> --delete-target-dir \

> --num-mappers 1 \

> --fields-terminated-by "\t" \

> --table staff \

> --where "id=1"

    尖叫提示：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。

1.2.5 RDBMS到Hive

[luomk@hadoop102 sqoop]$ bin/sqoop import \

> --connect jdbc:mysql://hadoop102:3306/company \

> --username root \

> --password 123456 \

> --table staff \

> --num-mappers 1 \

> --hive-import \

> --fields-terminated-by "\t" \

> --hive-overwrite \

> --hive-table staff_hive

    尖叫提示：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(如果Hive中的表不存在，会自动创建的)

    尖叫提示：第一步默认的临时目录是/user/admin/表名

 

2.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。

    HDFS/hive到RDBMS

[luomk@hadoop102 sqoop]$ bin/sqoop export \

> --connect jdbc:mysql://hadoop102:3306/company \

> --username root \

> --password 123456 \

> --table staff \

> --num-mappers 1 \

> --export-dir /user/hive/warehouse/staff_hive \

> --input-fields-terminated-by "\t"

    尖叫提示：Mysql中如果表不存在，不会自动创建。

    尖叫提示：如果Hive的全部数据导入Mysql，可能需要解决mysql的主键自增问题（解决方案：取消mysql的主键）。

    尖叫提示：Hive的数据导入到mysql是追加而不是覆盖。

 

3.脚本打包

    使用opt格式的文件打包sqoop命令，然后执行

3.1 创建一个.opt文件

        [luomk@hadoop102 sqoop]$  mkdir opt

        [luomk@hadoop102 sqoop]$ touch opt/job_HDFS2RDBMS.opt

3.2 编写sqoop脚本

        [luomk@hadoop102 sqoop]$ vi opt/job_HDFS2RDBMS.opt

export

--connect

jdbc:mysql://hadoop102:3306/company

--username

root

--password

123456

--table

staff

--num-mappers

1

--export-dir

/user/hive/warehouse/staff_hive

--input-fields-terminated-by

"\t"

3.3 执行该脚本

        [luomk@hadoop102 sqoop]$ bin/sqoop --options-file /opt/module/sqoop/opt/job_HDFS2RDBMS.opt

 

4.Sqoop一些常用命令及参数

4.1 常用命令列举

    这里给大家列出来了一部分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

 

4.2 公用参数详解

    刚才列举了一些Sqoop的常用命令，对于不同的命令，有不同的参数，让我们来一一列举说明。

    首先来我们来介绍一下公用的参数，所谓公用参数，就是大多数命令都支持的参数。

4.2.1 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	JDBC的driver class
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

4.2.2 公用参数：import

序号	参数	说明
1	--enclosed-by <char>	给字段值前后加上指定的字符
2	--escaped-by <char>	对字段中的双引号加转义符
3	--fields-terminated-by <char>	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 <char>	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 <char>	给带有双引号或单引号的字段值前后加上指定字符。

4.2.3 公用参数：export

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

4.2.4 公用参数：hive

序号	参数	说明
1	--hive-delims-replacement <arg>	用自定义的字符串替换掉数据中的\r\n和\013 \010等字符 (补：\013 \010 就是\r\n )
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 <map>	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 <v>	导入数据时，指定某个分区的值
6	--hive-home <dir>	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