1.导入(从mysql导入hive)
场景:从一个mysql数据库的表中导入数据到hive表中
sqoop import \
--connect "jdbc:mysql://ip:3306/mysql库名" \
(指定连接jdbc端口和数据库名称)
--username "root" \
(数据库用户名)
--password "root123" \
(密码 若不适用明文指定数据库密码 则可以用-P)
--table "user" \
(指定数据库中的一张表)
--target-dir "/input/import" \
(指定数据导入到HDFS上的目录)
--delete-target-dir \
//如果目标目录已存在,则先删除
--num-mappers 1 \
(指定使用导入数据的map个数,mapreduce(V1)中的方式可以用-m 1 代替(过时))
--fields-terminated-by ","
(目标文件的分隔符, 默认情况下,导入HDFS的每行数据分隔符是逗号)
2.导出(从hive导出到mysql)
场景:从一个hive库的数据表中导出到另一个mysql库中
sqoop export \
--connect "jdbc:mysql://ip:端口/数据库名" \
--username "root" \
--password "123456" \
--table "目标数据库表名" \
--update-mode allowinsert \
--update-key "industry_code" \
--hcatalog-database "hive目标数据库" \
--hcatalog-table "hive目标数据库中的表名" \
--null-string '\\N' \
--null-non-string '\\N' \
-m 1
相关参数如下:
export
:从hdfs导出数据到关系型数据库--update-mode
:指定更新策略,包括updateonly
,allowinsert
,updateonly是默认模式,仅仅更新已存在的数据记录,不会插入新纪录,allowinsert有则更新,无则插入--update-key
:更新标识,即根据某个字段进行更新,例如id,可以指定多个更新标识的字段,多个字段之间用逗号分隔。 – updatemode,指定updateonly(默认模式),仅仅更新已存在的数据记录,不会插入新纪录--hcatalog-database
:hive数据库,parquet格式的hive表使用hcatalog--hcatalog-table
:hive数据库表名--null-string
:针对string类型的字段,当Value是NULL,替换成指定的字符--null-non-string
:针对非string类型的字段,当Value是NULL,替换成指定字符-m
:并行化,使用n个map任务并行导出
3.Sqoop一些常用命令及参数
3.1 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 | 类 | 说明 |
1 | import | ImportTool | 将数据导入到集群 |
2 | export | ExportTool | 将集群数据导出 |
3 | codegen | CodeGenTool | 获取数据库中某张表数据生成Java并打包Jar |
4 | create-hive-table | CreateHiveTableTool | 创建Hive表 |
5 | eval | EvalSqlTool | 查看SQL执行结果 |
6 | import-all-tables | ImportAllTablesTool | 导入某个数据库下所有表到HDFS中 |
7 | 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。 |
8 | list-databases | ListDatabasesTool | 列出所有数据库名 |
9 | list-tables | ListTablesTool | 列出某个数据库下所有表 |
10 | 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 |
11 | 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。 |
12 | help | HelpTool | 打印sqoop帮助信息 |
13 | version | VersionTool | 打印sqoop版本信息 |
3.2 公用参数详解
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。
3.2.1 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URL |
2 | --connection-manager | 指定要使用的连接管理类 |
3 | --driver | JDBC的driver class |
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 |
3.2.2 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-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 <char> | 给带有双引号或单引号的字段值前后加上指定字符。 |
3.2.3 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 |
3.2.4 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 (补:\013 \010 就是\r\n ) |
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 <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 |
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 |