Sqoop (三) --------- Sqoop 一些常用命令及参数

---

一、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。

命令	类	说明
import	ImportTool	将数据导入到集群
export	ExportTool	将集群数据导出
codegen	CodeGenTool	获取数据库中某张表数据生成Java并打包Jar
create-hive-table	CreateHiveTableTool	创建Hive表
eval	EvalSqlTool	查看SQL执行结果
import-all-tables	ImportAllTablesTool	导入某个数据库下所有表到HDFS中
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。
list-databases	ListDatabasesTool	列出所有数据库名
list-tables	ListTablesTool	列出某个数据库下所有表
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
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。
help	HelpTool	打印sqoop帮助信息
version	VersionTool	打印sqoop版本信息

二、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。

1. 公用参数：数据库连接

参数	说明
–connect	连接关系型数据库的URL
–connection-manager	指定要使用的连接管理类
–driver	Hadoop根目录
–help	打印帮助信息
–password	连接数据库的密码
–username	连接数据库的用户名
–verbose	在控制台打印出详细信息

2. 公用参数：import

参数	说明
--enclosed-by <char>	给字段值前加上指定的字符
--escaped-by <char>	对字段中的双引号加转义符
--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
--lines-terminated-by <char>	设定每行记录之间的分隔符，默认是\n
--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。
--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。

3. 公用参数：export

参数	说明
--input-enclosed-by <char>	对字段值前后加上指定字符
--input-escaped-by <char>	对含有转移符的字段做转义处理
--input-fields-terminated-by <char>	字段之间的分隔符
--input-lines-terminated-by <char>	行之间的分隔符
--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. 公用参数：hive

参数	说明
--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
--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
--map-column-hive <arg>	生成hive表时，可以更改生成字段的数据类型
--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
--hive-partition-value <v>	导入数据时，指定某个分区的值
--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
--hive-import	将数据从关系数据库中导入到hive表中
--hive-overwrite	覆盖掉在hive表中已经存在的数据
--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。
--hive-table	后面接要创建的hive表,默认使用MySQL的表名
--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。

A、命令：
如：导入数据到hive中

$ bin/sqoop import \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--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 000000 \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3

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 000000 \
--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 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append

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：last-value 指定的值是会包含于增量导入的数据中

参数	说明
--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。
--as-avrodatafile	将数据导入到一个Avro数据文件中
--as-sequencefile	将数据导入到一个sequence文件中
--as-textfile	将数据导入到一个普通文本文件中
--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。
--columns <col1, col2, col3>	指定要导入的字段
--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。
--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
--inline-lob-limit	设定大对象数据类型的最大值
--m或–num-mappers	启动N个map来并行导入数据，默认4个。
--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
--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）
--table <table-name>	关系数据库的表名
--target-dir <dir>	指定HDFS路径
--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
--where	从关系数据库导入数据时的查询条件
--z或--compress	允许压缩
--compression-codec	指定hadoop压缩编码类，默认为gzip(Use Hadoop codec default gzip)
--null-string <null-string>	string类型的列如果null，替换为指定字符串
--null-non-string <null-string>	非string类型的列如果null，替换为指定字符串
--check-column <col>	作为增量导入判断的列名
--incremental <mode>	mode：append或lastmodified
--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）中奖数据导出到关系型数据库中。

A、命令
如：

$ bin/sqoop export \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1

B、参数

参数	说明
--direct	利用数据库自带的导入导出工具，以便于提高效率
--export-dir <dir>	存放数据的HDFS的源目录
-m或--num-mappers <n>	启动N个map来并行导入数据，默认4个
--table <table-name>	指定导出到哪个RDBMS中的表
--update-key <col-name>	对某一列的字段进行更新操作
--update-mode <mode>	updateonly 、allowinsert(默认)
--input-null-string <null-string>	请参考import该类似参数说明
--input-null-non-string <null-string>	请参考import该类似参数说明
--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。
--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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"

参数	说明
--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
--class-name <name>	设定生成的Java文件指定的名称
--outdir <dir>	生成Java文件存放的路径
--package-name <name>	包名，如com.z，就会生成com和z两级目录
--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）
--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）
--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
--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
--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）
--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。

命令：
如：

$ bin/sqoop create-hive-table \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff

参数	说明
--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
--hive-overwrite	覆盖掉在Hive表中已经存在的数据
--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
--hive-table	后面接要创建的hive表
--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。
命令：
如：

$ bin/sqoop eval \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"

参数	说明
–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
命令：
如：

$ bin/sqoop import-all-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--warehouse-dir /all_tables

参数：

参数	说明
--as-avrodatafile
--as-sequencefile
--as-textfile
--direct
--direct-split-size <n>
--inline-lob-limit <n>	这些参数的含义均和import对应的含义一致
--m或—num-mappers <n>
--warehouse-dir <dir>
-z或--compress
--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。

命令：
如：

$ bin/sqoop job \
 --create myjob -- import-all-tables \
 --connect jdbc:mysql://hadoop102:3306/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 jdbc:hsqldb:hsql://linux01:16000/sqoop

参数：

参数	说明
--create <job-id>	创建job参数
--delete <job-id>	删除一个job
--exec <job-id>	执行一个job
--help	显示job帮助
--list	显示job列表
--meta-connect <jdbc-uri>	用来连接metastore服务
--show <job-id>	显示一个job的信息
--verbose	打印命令运行时的详细信息

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

命令：
如：

$ bin/sqoop list-databases \
--connect jdbc:mysql://hadoop102:3306/ \
--username root \
--password 000000

参数：与公用参数一样

13. 命令&参数：list-tables

命令：
如：

$ bin/sqoop list-tables \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000

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：

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。

命令：
如：

创建JavaBean：

$ bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--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

参数：

参数	说明
--new-data <path>	HDFS 待合并的数据目录，合并后在新的数据集中保留
--onto <path>	HDFS合并后，重复的部分在新的数据集中被覆盖
--merge-key <col>	合并键，一般是主键ID
--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
--class-name <class>	对应的表名或对象名，该class类是包含在jar包中的
--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。
命令：
如：启动sqoop的metastore服务

$ bin/sqoop metastore

参数	说明
–shutdown	关闭metastore