Sqoop 一些常用命令及参数

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。

序号命令说明
1importImportTool将数据导入到集群
2exportExportTool将集群数据导出
3codegenCodeGenTool获取数据库中某张表数据生成
4create-hive-tableCreateHiveTableTool创建Hive表
5evalEvalSqlTool查看SQL执行结果
6import-all-tablesImportAllTablesTool导入某个数据库下所有表到HDFS中
7jobJobTool用来生成一个
8list-databasesListDatabasesTool列出所有数据库名
9list-tablesListTablesTool列出某个数据库下所有表
10mergeMergeTool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
11metastoreMetastoreTool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
12helpHelpTool打印sqoop帮助信息
13versionVersionTool打印sqoop版本信息

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。

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
2–connection-manager指定要使用的连接管理类
3–driverJDBC
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 char给字段值前后加上指定的字符
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-delimitersMysql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。

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

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 map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 dirhive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://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

尖叫提示: append 不能与–hive-等参数同时使用(Append mode for hive imports is not yetsupported. 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 "2018-06-28 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–columnscol1,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–tabletable-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 codecdefault gzip)
19–null-string null-stringstring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 modemode: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 000000 \
--table staff \
--export-dir /user/company \
--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 modeupdateonly allowinsert(默认)
7–input-null-string请参考import该类似参数说null-string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://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /home/admin/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。
命令:

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

参数:

序号参数说明
1–hive-home dirHive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。
命令:

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

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
命令:

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

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。
命令:

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

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

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
命令:

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:

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

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。
命令:

创建 JavaBean:
bin/sqoop codegen \
--connect jdbc:mysql://hadoop102:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/admin \
--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 /opt/admin/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:

序号参数说明
1–new-data pathHDFS待合并的数据目录,合并后在新的数据集中保留
2–onto pathHDFS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
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。

命令:
如:启动 sqoop 的 metastore 服务
bin/sqoop metastore

参数:

序号参数说明
1–shutdown 关闭metastore
  • 6
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 1
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论 1
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
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、付费专栏及课程。

余额充值