大数据技术之sqoop(二)

四、Sqoop 的简单使用案例

4.1、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。

4.1.1、RDBMS 到 HDFS

1) 确定 Mysql 服务开启正常

2) 在 Mysql 中新建一张表并插入一些数据

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');

3) 导入数据

(1)全部导入

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"

(2)查询导入

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/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 前必须加转移符,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

(3)导入指定列

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/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

(4)使用 sqoop 关键字筛选查询导入数据

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/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。

4.1.2、RDBMS 到 Hive

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/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

尖叫提示:第一步默认的临时目录是/user/admin/表名

4.2、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。

4.2.1、HIVE/HDFS 到 RDBMS

bin/sqoop export \
--connect jdbc:mysql://linux01:3306/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

思考:数据是覆盖还是追加

4.3、脚本打包

使用 opt 格式的文件打包 sqoop 命令,然后执行

1) 创建一个.opt 文件

mkdir opt
touch opt/job_HDFS2RDBMS.opt

2) 编写 sqoop 脚本
vi opt/job_HDFS2RDBMS.opt

export
--connect
jdbc:mysql://linux01:3306/company
--username
root
--password
123456
--table
staff
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"

3) 执行该脚本

bin/sqoop --options-file opt/job_HDFS2RDBMS.opt

五、Sqoop 一些常用命令及参数

5.1、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。
这里写图片描述
这里写图片描述
这里写图片描述

5.2、命令&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。

5.2.1、公用参数:数据库连接
这里写图片描述

5.2.2、公用参数:import
这里写图片描述
这里写图片描述

5.2.3、公用参数:export
这里写图片描述

5.2.4、公用参数:hive
这里写图片描述
这里写图片描述
公用参数介绍完之后,我们来按照命令介绍命令对应的特有参数。

5.2.5、命令&参数:import

将关系型数据库中的数据导入到 HDFS(包括 Hive,HBase)中,如果导入的是 Hive,那么

当 Hive 中没有对应表时,则自动创建。

1) 命令:

如:导入数据到 hive 中

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--hive-import

如:增量导入数据到 hive 中,mode=append
append 导入:

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3

尖叫提示:append 不能与–hive-等参数同时使用(Append mode for hive imports is not yet supported. Please remove the parameter –append-mode)

如:增量导入数据到 hdfs 中,mode=lastmodified

先在 mysql 中建表并插入几条数据:

mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
mysql> insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female'); mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');

先导入一部分数据:

bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff_timestamp \
--delete-target-dir \
--m 1

再增量导入一部分数据:

mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female'); 
bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append

尖叫提示:使用 lastmodified 方式导入数据要指定增量数据是要–append(追加)还是要

–merge-key(合并)

尖叫提示:last-value 指定的值是会包含于增量导入的数据中

2) 参数:
这里写图片描述
这里写图片描述
这里写图片描述
这里写图片描述

5.2.6、命令&参数:export

从 HDFS(包括 Hive 和 HBase)中奖数据导出到关系型数据库中。

1) 命令:

如:

bin/sqoop export \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1

2) 参数:
这里写图片描述
这里写图片描述

5.2.7、命令&参数:codegen

将关系型数据库中的表映射为一个 Java 类,在该类中有各列对应的各个字段。

如:

bin/sqoop codegen \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

这里写图片描述

这里写图片描述
这里写图片描述

5.2.8、命令&参数:create-hive-table

生成与关系数据库表结构对应的 hive 表结构。

命令:

如:

bin/sqoop create-hive-table \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--hive-table hive_staff

参数:
这里写图片描述

5.2.9、命令&参数:eval

可以快速的使用 SQL 语句对关系型数据库进行操作,经常用于在 import 数据之前,了解一

下 SQL 语句是否正确,数据是否正常,并可以将结果显示在控制台。

命令:

如:

bin/sqoop eval \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--query "SELECT * FROM staff"

参数:
这里写图片描述

5.2.10、命令&参数:import-all-tables

可以将 RDBMS 中的所有表导入到 HDFS 中,每一个表都对应一个 HDFS 目录

命令:

如:

bin/sqoop import-all-tables \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--warehouse-dir /all_tables

参数:
这里写图片描述
这里写图片描述

5.2.11、命令&参数:job

用来生成一个 sqoop 任务,生成后不会立即执行,需要手动执行。

命令:

如:

bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456
bin/sqoop job \
--list
bin/sqoop job \
--exec myjob

尖叫提示:注意 import-all-tables 和它左边的–之间有一个空格

尖叫提示:如果需要连接 metastore,则–meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop

参数:
这里写图片描述
这里写图片描述

尖叫提示:在执行一个 job 时,如果需要手动输入数据库密码,可以做如下优化
修改配置文件

<property>
<name>sqoop.metastore.client.record.password</name>
<value>true</value>
<description>If true, allow saved passwords in the metastore.</description>
</property>

5.2.12、命令&参数:list-databases

命令:

如:

bin/sqoop list-databases \
--connect jdbc:mysql://linux01:3306/ \
--username root \
--password 123456

参数:与公用参数一样

5.2.13、命令&参数:list-tables

命令:

如:

bin/sqoop list-tables \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456

参数:与公用参数一样

5.2.14、命令&参数:merge

命令:

如:

创建 JavaBean:

bin/sqoop codegen \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password 123456 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

开始合并:

bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /home/admin/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id

参数:
这里写图片描述
这里写图片描述

5.2.15、命令&参数:metastore

记录了 Sqoop job 的元数据信息,如果不启动该服务,那么默认 job 元数据的存储目录为

~/.sqoop,可在 sqoop-site.xml 中修改。

命令:

如:启动 sqoop 的 metastore 服务

bin/sqoop metastore

参数:
这里写图片描述

©️2020 CSDN 皮肤主题: 编程工作室 设计师: CSDN官方博客 返回首页
实付0元
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、C币套餐、付费专栏及课程。

余额充值