一、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:
bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--table staff \
--hive-import
增量导入数据到hive中,mode=append
bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--table staff \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 3
-
append不能与--hive-等参数同时使用
增量导入数据到hdfs中,mode=lastmodified
先在mysql中建表并插入几条数据:
create table company.staff_timestamp(id int(4),name varchar(255),sex varchar(255)),last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
insert into company.staff_timestamp(id,name,sex)values(1,'AAA','female');
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 root \
--table staff_timestamp \
--delete-target-dir \
--m 1
插入新的数据
insert into company.staff_timestamp(id,name,sex)values(3,'ccc','female');
在增量导入一部分数据:
bin/sqoop import \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--last-value "2017-09-28 22:20:38" \
--m 1 \
--append
-
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)
-
last-value指定的值是会包含于增量导入的数据中
2.参数:
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会把数据线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 |
--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 |
--column<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 |
--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 |
--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 |
二、export
从HDFS(包括Hive和HBase)中奖数据导出到关系数据库中。
1.命令:
bin/sqoop export \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--table staff \
--export-dir /user/company \
--input-fields-terminated-by "\t" \
--num-mappers 1
2.参数
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 |
三、codegen
将关系型数据中的表映射为一个java类,在该类中有各列对应的各个字段。
1.命令
bin/sqoop codegen \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--table staff \
--bindir /home/admin/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
2.参数
参数 | 说明 |
--bindir<dir> | 指定生成的java文件、编辑成的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 |
--input-null-string<null-str> | 将null字符串替换成想要替换的值(一般与--input-null-non-string<null-str>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--null-non-string<null-str>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 |
四、create-hive-table
生成与关系数据库表结构对应的hive表结构。
1.命令:
bin/sqoop create-hive-table \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--table staff \
--hive-table hive_staff
2.参数:
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,如果目录表已经存在了,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 |
五、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:
bin/sqoop eval \
--connect jdbc:mysql://linux01:3306company \
--username root \
--password root \
--query "SELECT * FROM staff"
2.参数
参数 | 说明 |
--query 或 --e | 后跟查询的SQL语句 |
六、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命令
1.命令:
bin/sqoop import-all-tables \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--warehouse-dir /all_tables
2.参数
参数 | 说明 |
--as-avrodatafile | 含义和import对应的含义一致 |
--as-sequencefile | 含义和import对应的含义一致 |
--as-textfile | 含义和import对应的含义一致 |
--direct | 含义和import对应的含义一致 |
--direct-split-size<n> | 含义和import对应的含义一致 |
--inline-lob-limit<n> | 含义和import对应的含义一致 |
--m或--num-mappers<n> | 含义和import对应的含义一致 |
--warehouse-dir<dir> | 含义和import对应的含义一致 |
-z 或 --compress | 含义和import对应的含义一致 |
--compression-codec | 含义和import对应的含义一致 |
七、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:
bin/sqoop job \
--create myjob --import-all-tables \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
bin/sqoop job \
--list
bin/sqoop job \
--exec myjob
-
注意import-all-tables和它左边的--之间有一个空格
-
如果需要连接metastore,则--meta-connect jdbc:hsqldb:hsql://linux01:16000/sqoop
2.参数:
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 |
-
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>
</property>
八、list-databases
1.命令:
bin/sqoop list-databases \
--connect jdbc:mysql://linux01:3306/ \
--username root \
--password root
-
参数:与公用参数一样
九、list-tables
命令:
bin/sqoop list-tables \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root
-
参数:与公用参数一样
十、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
1.数据环境:
new_staff
1 AAA male
2 BBB male
3 CCC male
4 DDD male
old_staff
1 AAA female
2 BBB female
3 CCC female
6 DDD female
-
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。
2.命令
创建JavaBean:
bin/sqoop codegen \
--connect jdbc:mysql://linux01:3306/company \
--username root \
--password root \
--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
3.参数
参数 | 说明 |
--new-data<path> | HDFS合并的数据目录,合并后在新的数据集中保留 |
--noto<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包通过codegan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 |
十一、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,可以在sqoop-site.xml中修改。
1.命令
bin/sqoop metastore
2.参数
参数 | 说明 |
--shutdown | 关闭metastore |