1. 部分案例
1.1 mysql类数据库到HDFS
# 导入全部数据
bin/sqoop import \
# 连接地址
--connect jdbc:mysql://bigdata113:3306/company \
# 用户名
--username root \
# 密码
--password root \
# mysql中表名
--table staff \
# hive在hdfs上的文件夹位置
--target-dir /user/company \
# 如果hdfs上文件已存在已存在,则删除
--delete-target-dir \
# MR开启的map数
--num-mappers 1 \
# 数据按 \t 分割
--fields-terminated-by "\t"
# 导入部分字段数据
bin/sqoop import \
# 连接地址
--connect jdbc:mysql://bigdata113:3306/company \
# 用户名
--username root \
# 密码
--password root \
# mysql中表名
--table staff \
# 选择要导入的字段
--columns id,sex \
# hive在hdfs上的文件夹位置
--target-dir /user/company \
# 如果hdfs上文件已存在已存在,则删除
--delete-target-dir \
# MR开启的map数
--num-mappers 1 \
# 数据按 \t 分割
--fields-terminated-by "\t"
# 导入部分字段数据
bin/sqoop import \
# 连接地址
--connect jdbc:mysql://bigdata113:3306/company \
# 用户名
--username root \
# 密码
--password root \
# mysql中表名
--table staff \
# 选择要导入的字段
--columns id,sex \
# 导入的where条件判断
--where "id=2"
# hive在hdfs上的文件夹位置
--target-dir /user/company \
# 如果hdfs上文件已存在已存在,则删除
--delete-target-dir \
# MR开启的map数
--num-mappers 1 \
# 数据按 \t 分割
--fields-terminated-by "\t"
1.2 mysql类数据库到Hive
其实这是相当于先导入到hdfs在迁移到到hive
# 导入部分字段数据
bin/sqoop import \
# 连接地址
--connect jdbc:mysql://bigdata113:3306/company \
# 用户名
--username root \
# 密码
--password root \
# mysql中表名
--table staff \
# 如果hdfs上文件已存在已存在,则删除,在hive相当于override
--delete-target-dir \
# MR开启的map数
--num-mappers 1 \
# 指定导入到hive
--hive-import \
# 导入方式overwrite
--hive-overwrite \
# 导入的表名,自动创建
--hive-table fantome.staff_hive \
# 数据将的分隔符
--fields-terminated-by "\t" \
1.3 Hive或HDFS类到Mysql类
注意:mysql中计量不要设置主键自增
# 导入部分字段数据
bin/sqoop import \
# 连接地址
--connect jdbc:mysql://bigdata113:3306/company \
# 用户名
--username root \
# 密码
--password root \
# 指定为导出模式,并且指定数据地址
--export-dir /user/hive/warehouse/fantome.db/student_p/month=201906 \
# mysql中的表名,需要自行创建
--table student_p \
# MR的map个数
--num-mappers 1 \
# 数据分隔符
--input-fields-terminated-by "\t"
1.4 sqoop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.opt文件
touch job_HDFS2RDBMS.opt
2) 编写sqoop脚本
vi ./job_HDFS2RDBMS.opt
#以下命令是从staff_hive中追加导入到mysql的aca表中
export
--connect
jdbc:mysql://bigdata113:3306/Andy
--username
root
--password
000000
--table
aca
--num-mappers
1
--export-dir
/user/hive/warehouse/staff_hive
--input-fields-terminated-by
"\t"
3) 执行该脚本
bin/sqoop --options-file job_HDFS2RDBMS.opt
2. 详细参数
2.1 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 |
2.2 import
2.2.1 公共参数
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。 |
2.2.2 Hive,HDFS相关参数
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 | string类型的列如果null,替换为指定字符串 |
20 | –null-non-string | 非string类型的列如果null,替换为指定字符串 |
21 | –check-column | |
作为增量导入判断的列名 | ||
22 | –incremental | mode:append或lastmodified |
23 | –last-value | 指定某一个值,用于标记增量导入的位置 |
2.3 export
2.3.1 公用参数
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 |
2.3.1 Hive,HDFS相关参数
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
| 存放数据的HDFS的源目录 |
3 | -m或–num-mappers | 启动N个map来并行导入数据,默认4个 |
4 | –table | 指定导出到哪个RDBMS中的表 |
5 | –update-key | 对某一列的字段进行更新操作 |
6 | –update-mode | updateonly allowinsert(默认) |
7 | –input-null-string | 请参考import该类似参数说明 |
8 | –input-null-non-string | 请参考import该类似参数说明 |
9 | –staging-table | 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 |
2.4 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 |
2.5 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://bigdata113:3306/company \
--username root \
--password root \
--table staff \
--bindir /opt/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
序号 | 参数 | 说明 |
---|---|---|
1 | –bindir
| 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 | 设定生成的Java文件指定的名称 |
3 | –outdir
| 生成Java文件存放的路径 |
4 | –package-name | 包名,如com.z,就会生成com和z两级目录 |
5 | –input-null-non-string | 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 | 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 | 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 | 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 | 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 | 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 |
2.6 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:仅建表
bin/sqoop create-hive-table \
--connect jdbc:mysql://bigdata113:3306/company \
--username root \
--password root \
--table staff \
--hive-table hive_staff1
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –hive-home
| 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 |
2.7 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。
例:
$ bin/sqoop eval \
--connect jdbc:mysql://bigdata113:3306/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 |
2.8 命令&参数:import-all-tables
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
例:
bin/sqoop import-all-tables \
--connect jdbc:mysql://bigdata113:3306/company \
--username root \
--password root \
--hive-import \
--m 1 \
--fields-terminated-by "\t"
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 | |
6 | –inline-lob-limit | |
7 | –m或—num-mappers | |
8 | –warehouse-dir
| |
9 | -z或–compress | |
10 | –compression-codec |
2.9 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://bigdata113:3306/company \
--username root \
--password 000000
# 查看job列表
bin/sqoop job \
--list
# 执行job
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
执行的结果在HDFS:/user/root/ 目录中,即导出所有表到/user/root中
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | –create | 创建job参数 |
2 | –delete | 删除一个job |
3 | –exec | 执行一个job |
4 | –help | 显示job帮助 |
5 | –list | 显示job列表 |
6 | –meta-connect | 用来连接metastore服务 |
7 | –show | 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>
2.9 命令&参数:list-databases
命令:
如:
sqoop list-databases \
--connect jdbc:mysql://bigdata113:3306/ \
--username root \
--password 000000
**参数:**与公用参数一样
2.10 命令&参数:list-tables
命令:
如:
bin/sqoop list-tables \
--connect jdbc:mysql://bigdata113:3306/company \
--username root \
--password 000000
**参数:**与公用参数一样
2.11 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
# 创建JavaBean:
bin/sqoop codegen \
--connect jdbc:mysql://bigdata113:3306/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/merged \
--jar-file /opt/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:
序号 | 参数 | 说明 |
---|---|---|
1 | –new-data
| HDFS 待合并的数据目录,合并后在新的数据集中保留 |
2 | –onto
| HDFS合并后,重复的部分在新的数据集中被覆盖 |
3 | –merge-key | |
合并键,一般是主键ID | ||
4 | –jar-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 | 对应的表名或对象名,该class类是包含在jar包中的 |
6 | –target-dir
| 合并后的数据在HDFS里存放的目录 |
2.12 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 |