目录
一.常用命令列举
二.命令&参数详解
1 公用参数:数据库连接
2 公用参数:import
3 公用参数:export
4 公用参数:hive
5 命令&参数:import
6 命令&参数:export
7 命令&参数:codegen
8 命令&参数:create-hive-table
9 命令&参数:eval
10 命令&参数:import-all-tables
11 命令&参数:job
12 命令&参数:list-databases
13 命令&参数:list-tables
14 命令&参数:merge
15 命令&参数:metastore
一.常用命令列举
这里列出了一部分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 |
二.命令&参数详解
首先来了解一下公用的参数,所谓公用参数,就是大多数命令都支持的参数。
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 | Hadoop根目录 |
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 |
2.公用参数:import
序号 | 参数 | 说明 |
---|---|---|
1 | –enclosed-by | 给字段值前加上指定的字符 |
2 | –escaped-by | 对字段中的双引号加转义符 |
3 | –fields-terminated-by | 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 | 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 | 给带有双引号或单引号的字段值前后加上指定字符 |
3.公用参数:export
序号 | 参数 | 说明 |
---|---|---|
1 | –input-enclosed-by | 对字段值前后加上指定字符 |
2 | –input-escaped-by | 对含有转移符的字段做转义处理 |
3 | –input-fields-terminated-by | 字段之间的分隔符 |
4 | –input-lines-terminated-by | 行之间的分隔符 |
5 | –input-optionally-enclosed-by | 给带有双引号或单引号的字段前后加上指定字符 |
4.公用参数:hive
序号 | 参数 | 说明 |
---|---|---|
1 | –hive-delims-replacement | 用自定义的字符串替换掉数据中的\r\n和\013 \010等字符 |
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 | 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 | 导入数据时,指定某个分区的值 |
6 | –hive-home
| 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 |
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.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://hadoop1:3306/Movle \
--username root \
--password 000000 \
--table access \
--hive-import \
--fields-terminated-by "\t"
如:增量导入数据到hive中,mode=append
append导入:
$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--table aca \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/student_hive \
--check-column id \
--incremental append \
--last-value 2
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)
注:–last-value 2 的意思是标记增量的位置为第二行,也就是说,当数据再次导出的时候,从第二行开始算
注:如果 --last-value N , N > MYSQL中最大行数,则HDFS会创建一个空文件。如果N<=0 , 那么就是所有数据
如:增量导入数据到hdfs中,mode=lastmodified(注:卡住)
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://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--hive-import \
--fields-terminated-by "\t" \
--m 1
再增量导入一部分数据:
添加mysql中的数据
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');
增量导入:
$ bin/sqoop import \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--m 1 \
--last-value "2019-12-06 01:48:03.0" \
--append \
--fields-terminated-by "\t" \
--warehouse-dir /user/hive/warehouse/
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)
提示:在Hive中,如果不指定输出路径,可以去看以下两个目录
1. /user/root(此为用户名)
2./user/hive/warehouse 个人配置的目录
提示:last-value指定的值是会包含于增量导入的数据中
如果卡住,在yarn-site.xml中加入以下配置
<property>
<name>yarn.nodemanager.resource.memory-mb</name>
<value>20480</value>
</property>
<property>
<name>yarn.scheduler.minimum-allocation-mb</name>
<value>2048</value>
</property>
<property>
<name>yarn.nodemanager.vmem-pmem-ratio</name>
<value>2.1</value>
</property>
(2).参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –append | 将数据追加到HDFS中已经存在的DataSet中,如果使用该参数,sqoop会把数据先导入到临时文件目录,再合并。 |
2 | –as-avrodatafile | 将数据导入到一个Avro数据文件中 |
3 | –as-sequencefile | 将数据导入到一个sequence文件中 |
4 | –as-textfile | 将数据导入到一个普通文本文件中 |
5 | –boundary-query | 边界查询,导入的数据为该参数的值(一条sql语句)所执行的结果区间内的数据。 |
6 | –columns <col1, col2, col3> | 指定要导入的字段 |
7 | –direct | 直接导入模式,使用的是关系数据库自带的导入导出工具,以便加快导入导出过程。 |
8 | –direct-split-size | 在使用上面direct直接导入的基础上,对导入的流按字节分块,即达到该阈值就产生一个新的文件 |
9 | –inline-lob-limit | 设定大对象数据类型的最大值 |
10 | -m或–num-mappers | 启动N个map来并行导入数据,默认4个 |
11 | –query或–e | 将查询结果的数据导入,使用时必须伴随参–target-dir,–hive-table,如果查询中有where条件,则条件后必须加上$CONDITIONS关键字 |
12 | –split-by | 按照某一列来切分表的工作单元,不能与–autoreset-to-one-mapper连用(请参考官方文档) |
13 | –table | 关系数据库的表名 |
14 | –target-dir
| 指定HDFS路径 |
15 | –warehouse-dir
| 与14参数不能同时使用,导入数据到HDFS时指定的目录 |
16 | –where | 从关系数据库导入数据时的查询条件 |
17 | –z或–compress | 允许压缩 |
18 | –compression-codec | 指定hadoop压缩编码类,默认为gzip(Use Hadoop codec default gzip) |
19 | –null-string <null-string> | string类型的列如果null,替换为指定字符串 |
20 | –null-non-string <null-string> | 非string类型的列如果null,替换为指定字符串 |
21 | –check-column <col> | 作为增量导入判断的列名 |
22 | –incremental <mode> | mode:append或lastmodified |
23 | –last-value <value> | 指定某一个值,用于标记增量导入的位置 |
6.命令&参数:export
从HDFS(包括Hive和HBase)中将数据导出到关系型数据库中。
(1).命令:
如:
bin/sqoop export \
--connect jdbc:mysql://hadoop1:3306/Movle \
--username root \
--password 000000 \
--export-dir /user/hive/warehouse/student_hive \
--table adc \
--num-mappers 1 \
--input-fields-terminated-by "\t"
(2). 参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –direct | 利用数据库自带的导入导出工具,以便于提高效率 |
2 | –export-dir <dir> | 存放数据的HDFS的源目录 |
3 | -m或–num-mappers <n> | 启动N个map来并行导入数据,默认4个 |
4 | –table <table-name> | 指定导出到哪个RDBMS中的表 |
5 | –update-key <col-name> | 对某一列的字段进行更新操作 |
6 | –update-mode <mode> | updateonly allowinsert(默认) |
7 | –input-null-string <null-string> | 请参考import该类似参数说明 |
8 | –input-null-non-string <null-string> | 请参考import该类似参数说明 |
9 | –staging-table <staging-table-name> | 创建一张临时表,用于存放所有事务的结果,然后将所有事务结果一次性导入到目标表中,防止错误 |
10 | –clear-staging-table | 如果第9个参数非空,则可以在导出操作执行前,清空临时事务结果表 |
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://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/desktop/staff \
--class-name staff \
--fields-terminated-by "\t"
序号 | 参数 | 说明 |
---|---|---|
1 | –bindir <dir> | 指定生成的Java文件、编译成的class文件及将生成文件打包为jar的文件输出路径 |
2 | –class-name <name> | 设定生成的Java文件指定的名称 |
3 | –outdir <dir> | 生成Java文件存放的路径 |
4 | –package-name <name> | 包名,如com.z,就会生成com和z两级目录 |
5 | –input-null-non-string <null-str> | 在生成的Java文件中,可以将null字符串或者不存在的字符串设置为想要设定的值(例如空字符串) |
6 | –input-null-string <null-str> | 将null字符串替换成想要替换的值(一般与5同时使用) |
7 | –map-column-java <arg> | 数据库字段在生成的Java文件中会映射成各种属性,且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型,例如:–map-column-java id=long, name=String |
8 | –null-non-string <null-str> | 在生成Java文件时,可以将不存在或者null的字符串设置为其他值 |
9 | –null-string <null-str> | 在生成Java文件时,将null字符串设置为其他值(一般与8同时使用) |
10 | –table <table-name> | 对应关系数据库中的表名,生成的Java文件中的各个属性与该表的各个字段一一对应 |
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。
(1)命令:
如:仅建表
bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff1
(2)参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –hive-home <dir> | Hive的安装目录,可以通过该参数覆盖掉默认的Hive目录 |
2 | –hive-overwrite | 覆盖掉在Hive表中已经存在的数据 |
3 | –create-hive-table | 默认是false,如果目标表已经存在了,那么创建任务会失败 |
4 | –hive-table | 后面接要创建的hive表 |
5 | –table | 指定关系数据库的表名 |
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。
(1)命令:
如:
bin/sqoop eval \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"
(2)参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –query或–e | 后跟查询的SQL语句 |
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
(1)命令:
如:注意:(卡住)
bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--hive-import \
--fields-terminated-by "\t"
bin/sqoop-import-all-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--hive-import \
--warehouse-dir /all_tables
(2)参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –as-avrodatafile | 这些参数的含义均和import对应的含义一致 |
2 | –as-sequencefile | |
3 | –as-textfile | |
4 | –direct | |
5 | –direct-split-size <n> | |
6 | –inline-lob-limit <n> | |
7 | –m或–num-mappers <n> | |
8 | –warehouse-dir <dir> | |
9 | -z或–compress | |
10 | –compression-codec |
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。
(1)命令:
如:
bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000
bin/sqoop job \
--list
bin/sqoop job \
--exec myjob
提示:注意import-all-tables和它左边的–之间有一个空格
提示:如果需要连接metastore,则–meta-connect
执行的结果在HDFS:/user/root/ 目录中,即导出所有表到/user/root中
(2)参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –create <job-id> | 创建job参数 |
2 | –delete <job-id> | 删除一个job |
3 | –exec <job-id> | 执行一个job |
4 | –help | 显示job帮助 |
5 | –list | 显示job列表 |
6 | –meta-connect <jdbc-uri> | 用来连接metastore服务 |
7 | –show <job-id> | 显示一个job的信息 |
8 | –verbose | 打印命令运行时的详细信息 |
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
<property>
<name>sqoop.metastore.client.record.password</name>
<value>true</value>
<description>If true, allow saved passwords in the metastore.</description>
</property>
12.命令&参数:list-databases
(1)命令:
如:
bin/sqoop list-databases \
--connect jdbc:mysql://hadoop1:3306/ \
--username root \
--password 000000
(2)参数:与公用参数一样
13.命令&参数:list-tables
(1)命令:
如:
bin/sqoop list-tables \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000
(2)参数:与公用参数一样
14.命令&参数:merge
将HDFS中不同目录下面的数据合并在一起并放入指定目录中
数据环境:注意:以下数据自己手动改成\t
new_staff
1 AAA male
2 BBB male
3 CCC male
4 DDD male
old_staff
1 AAA female
2 CCC female
3 BBB female
6 DDD female
提示:上边数据的列之间的分隔符应该为\t,行与行之间的分割符为\n,如果直接复制,请检查之。
(1)命令:
如:
创建JavaBean:
bin/sqoop codegen \
--connect jdbc:mysql://hadoop1:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
开始合并:注:是hdfs路径
bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged1 \
--jar-file /opt/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id
结果:
(2)参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –new-data <path> | HDFS 待合并的数据目录,合并后在新的数据集中保留 |
2 | –onto <path> | HDFS合并后,重复的部分在新的数据集中被覆盖 |
3 | –merge-key <col> | 合并键,一般是主键ID |
4 | –jar-file <file> | 合并时引入的jar包,该jar包是通过Codegen工具生成的jar包 |
5 | –class-name <class> | 对应的表名或对象名,该class类是包含在jar包中的 |
6 | –target-dir <path> | 合并后的数据在HDFS里存放的目录 |
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。
(1)命令:
如:启动sqoop的metastore服务
bin/sqoop metastore
(2)参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –shutdown | 关闭metastore |