第1章 Sqoop 简介第2章 Sqoop 原理第3章 Sqoop 安装3.1 下载并解压3.2 修改配置文件3.3 拷贝 JDBC 驱动3.4 验证 Sqoop3.5 测试 Sqoop 是否能够成功连接数据库第4章 Sqoop 的简单使用案例4.1 导入数据4.1.1 从 RDBMS 到 HDFS4.1.2 从 RDBMS 到 Hive4.1.3 从 RDBMS 到 HBase4.2 导出数据4.2.1 从 HIVE/HDFS 到 RDBMS4.3 脚本打包第5章 Sqoop 一些常用命令及参数5.1 常用命令列举5.2 命令&参数详解5.2.1 公用参数:数据库连接5.2.2 公用参数:import5.2.3 公用参数:export5.2.4 公用参数:hive5.2.5 命令&参数:import5.2.6 命令&参数:export5.2.7 命令&参数:codegen5.2.8 命令&参数:create-hive-table5.2.9 命令&参数:eval5.2.10 命令&参数:import-all-tables5.2.11 命令&参数:job5.2.12 命令&参数:list-databases5.2.13 命令&参数:list-tables5.2.14 命令&参数:merge5.2.15 命令&参数:metastore
第1章 Sqoop 简介
Sqoop 是一款开源的工具,主要用于
在 Hadoop(Hive) 与传统的数据库 (mysql,postgresql,...) 间进行数据的高校传递
,可以将一个关系型数据库(例如:MySQL,Oracle,Postgres等)中的数据导入到 Hadoop 的 HDFS 中,也可以将 HDFS 的数据导进到关系型数据库中。
Sqoop 项目开始于 2009 年,最早是作为 Hadoop 的一个第三方模块存在,后来为了让使用者能够快速部署,也为了让开发人员能够更快速的迭代开发,Sqoop 独立成为一个 Apache 顶级项目。
Sqoop2 的最新版本是 1.99.7。请注意,2 与 1 不兼容,且特征不完整,它并不打算用于生产部署。
第2章 Sqoop 原理
将导入或导出命令翻译成 mapreduce 程序来实现。
在翻译出的 mapreduce 中主要是对 inputformat 和 outputformat 进行定制。
第3章 Sqoop 安装
安装 Sqoop 的前提是已经具备 Java 和 Hadoop 的环境。
3.1 下载并解压
1) 下载地址:http://mirrors.hust.edu.cn/apache/sqoop/1.4.6/
2) 上传安装包 sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz 到虚拟机中
3) 解压 sqoop 安装包到指定目录,如:
$ tar -zxf sqoop-1.4.6.bin__hadoop-2.0.4-alpha.tar.gz -C /opt/module/
4) 重命名 sqoop 安装目录,如:
[atguigu@hadoop102 module]$ mv sqoop-1.4.6.bin__hadoop-2.0.4-alpha/ sqoop
3.2 修改配置文件
Sqoop 的配置文件与大多数大数据框架类似,在 sqoop 根目录下的 conf 目录中。
1) 重命名配置文件
$ mv sqoop-env-template.sh sqoop-env.sh
2) 修改配置文件
[atguigu@hadoop102 conf]$ pwd
/opt/module/sqoop/conf
[atguigu@hadoop102 conf]$ vim sqoop-env.sh
export HADOOP_COMMON_HOME=/opt/module/hadoop-2.7.2
export HADOOP_MAPRED_HOME=/opt/module/hadoop-2.7.2
export HIVE_HOME=/opt/module/hive
export ZOOKEEPER_HOME=/opt/module/zookeeper-3.4.10
export ZOOCFGDIR=/opt/module/zookeeper-3.4.10
export HBASE_HOME=/opt/module/hbase
3.3 拷贝 JDBC 驱动
拷贝 jdbc 驱动到 sqoop 的 lib 目录下,如:
[atguigu@hadoop102 sqoop]$ cp /opt/software/mysql-libs/mysql-connector-java-5.1.27/mysql-connector-java-5.1.27-bin.jar /opt/module/sqoop/lib/
3.4 验证 Sqoop
我们可以通过某一个 command 来验证 sqoop 配置是否正确:
[atguigu@hadoop102 sqoop]$ bin/sqoop help
出现一些 Warning 警告(警告信息已省略),并伴随着帮助命令的输出:
Available commands:
codegen Generate code to interact with database records
create-hive-table Import a table definition into Hive
eval Evaluate a SQL statement and display the results
export Export an HDFS directory to a database table
help List available commands
import Import a table from a database to HDFS
import-all-tables Import tables from a database to HDFS
import-mainframe Import datasets from a mainframe server to HDFS
job Work with saved jobs
list-databases List available databases on a server
list-tables List available tables in a database
merge Merge results of incremental imports
metastore Run a standalone Sqoop metastore
version Display version information
3.5 测试 Sqoop 是否能够成功连接数据库
[atguigu@hadoop102 sqoop]$ bin/sqoop list-databases --connect jdbc:mysql://hadoop102:3306/ --username root --password 123456
出现如下输出:
information_schema
metastore
mysql
performance_schema
test
第4章 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 从 RDBMS 到 HDFS
1) 确定 Mysql 服务开启正常
查询监控端口或者查询进程来确定,以下两种办法可以确认mysql是否在启动运行状态:
办法一:查询端口
$ netstat -tulpn
MySQL监控的是TCP的3306端口,如下图,说明MySQL服务在运行中。
![](https://i-blog.csdnimg.cn/blog_migrate/acd05609d8cc775948d4e144161e7d67.png)
办法二:查询进程
ps -ef | grep mysqld
可以看见mysql的进程
![](https://i-blog.csdnimg.cn/blog_migrate/2662247e7bc3e78b6d6c56e64f3c7990.png)
2) 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');
3) 导入数据
(1)全部导入
[atguigu@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"
(2)查询导入
[atguigu@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 $CONDITIONS;'
等价于
[atguigu@hadoop102 sqoop]$ 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;"
提示
:must contain '$CONDITIONS' in WHERE clause.$CONDITIONS
:传递作用。
如果 query 后使用的是双引号,则 $CONDITIONS
前必须加转义符,防止 shell 识别为自己的变量。
(3)导入指定列
[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns id,sex \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
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
[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--where "id=1" \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns id,sex \
--where "id=1" \
--target-dir /user/company \
--delete-target-dir \
--num-mappers 1 \
--fields-terminated-by "\t"
4.1.2 从 RDBMS 到 Hive
(1)全部导入
[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--hive-import \
--hive-overwrite \
--hive-table staff_hive
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,第一步默认的临时目录是 /user/atguigu/表名。
4.1.3 从 RDBMS 到 HBase
(1)导入数据
[atguigu@hadoop102 sqoop]$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--columns "id,name,sex" \
--num-mappers 1 \
--column-family "info" \
--hbase-create-table \
--hbase-row-key "id" \
--hbase-table "hbase_staff" \
--split-by id
会报错,如下图所示:
![](https://i-blog.csdnimg.cn/blog_migrate/63a9846ad94546ea8236f7413028c30e.png)
原因
:sqoop1.4.6 只支持 HBase1.0.1 之前的版本的自动创建 HBase 表的功能。解决方案
:手动创建 HBase 表
hbase> create 'hbase_staff','info'
(5) 在 HBase 中 scan 这张表得到如下内容
hbase> scan ‘hbase_staff’
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 从 HIVE/HDFS 到 RDBMS
(1)导出数据
[atguigu@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"
提示
:Mysql 中如果表不存在,不会自动创建。
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 xxx.opt 文件
[atguigu@hadoop102 sqoop]$ pwd
/opt/module/sqoop
[atguigu@hadoop102 sqoop]$ mkdir opt
[atguigu@hadoop102 sqoop]$ touch opt/job_HDFS2RDBMS.opt
2) 编写 sqoop 脚本
[atguigu@hadoop102 sqoop]$ cd opt/
[atguigu@hadoop102 opt]$ vim 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) 执行该脚本
[atguigu@hadoop102 sqoop]$ bin/sqoop --options-file opt/job_HDFS2RDBMS.opt
尖叫提示
:Mysql 中如果表不存在,不会自动创建,所以我们要先创建表 staff,如果表 staff 存在,我们应该清除掉 staff 表的数据,不然会出现主键冲突!如下图所示:
通过查看日志历史服务器,可知:
![](https://i-blog.csdnimg.cn/blog_migrate/1dcdacd5da710d9877f374e47a1af6ab.png)
第5章 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。
如下表所示:
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并在一起,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 |
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
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 |
5.2.2 公用参数:import
序号 | 参数 | 说明 |
---|---|---|
1 | --enclosed-by < char> | 给字段值前加上指定的字符 |
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 |
5.2.3 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 |
5.2.4 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 |
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 < arg> | 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 |
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://hadoop102:3306/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://hadoop102:3306/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://hadoop102:3306/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://hadoop102:3306/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:
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 < statement> | 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 < statement> | 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 < column-name> | 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 < table-name> | 关系数据库的表名 |
14 | --target-dir < dir> | 指定 HDFS 路径 |
15 | --warehouse-dir < 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 |
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://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--export-dir /user/staff \
--input-fields-terminated-by "\t" \
--num-mappers 1
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 |
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。
1) 命令:
如:
$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
2) 参数:
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 |
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。
1) 命令:
如:
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--table staff \
--hive-table hive_staff
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 |
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。
1) 命令:
如:
$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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 |
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。
1) 命令:
如:
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456 \
--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 | 同上 |
3 | --as-textfile | 同上 |
4 | --direct | 同上 |
5 | --direct-split-size < n> | 同上 |
6 | --inline-lob-limit < n> | 同上 |
7 | --m或—num-mappers < n> | 同上 |
8 | --warehouse-dir < dir> | 同上 |
9 | -z或--compress | 同上 |
10 | --compression-codec | 同上 |
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。
1) 命令:
如:
$ bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://hadoop102:3306/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://hadoop102:16000/sqoop
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>
5.2.12 命令&参数:list-databases
1) 命令:
如:
$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 123456
2) 参数:
与公用参数一样
5.2.13 命令&参数:list-tables
1) 命令:
如:
$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 123456
2) 参数:
与公用参数一样
5.2.14 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:
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
尖叫提示
: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://hadoop102:3306/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
结果:
1 AAA MALE
2 BBB MALE
3 CCC MALE
4 DDD MALE
6 DDD FEMALE
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j ar 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 |
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。
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 |