sqoop的基础案例使用

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