sqoop操作之HDFS导出到ORACLE

注意：在导出前需要先创建待导出的表结构。如果导出的表在数据库中不存在则会报错；如果重复导出多次，表中的数据会重复；

create table EMP_DEMO as select * from EMP where 1=2;
create table SALGRADE_DEMO as select * from SALGRADE where 1=2;

 

导出表的所有字段

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--export-dir /user/hadoop/EMP  -m 1;

 重复执行多次，表中的数据会重复，不会删除以前存在的数据。

 

导出表的指定字段

为了查看演示效果方便，先删除表中已经存在的数据。

DELETE FROM EMP_DEMO;

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--export-dir '/user/hadoop/EMP_COLUMN' \
-m 1;

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--export-dir '/user/hadoop/EMP' \
-m 1;

 

导出表的指定字段使用指定的分隔符

为了查看演示效果方便，先删除表中已经存在的数据。

DELETE FROM EMP_DEMO;

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--export-dir '/user/hadoop/EMP_COLUMN_SPLIT' \
--fields-terminated-by '\t' --lines-terminated-by '\n' -m 1;

没有指定分隔符的脚本在执行时是会报错的：Caused by: java.lang.NumberFormatException

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--columns "EMPNO,ENAME,JOB,SAL,COMM" \
--export-dir '/user/hadoop/EMP_COLUMN_SPLIT' \
-m 1;

说明：
1）--fields-terminated-by '\t' --lines-terminated-by '\n'要和导入的一致，否则报错；
2）export 命令是不支持覆盖的，经过上次的两个导出操作，表里就有两份相同的数据了。

 

批量导出

为了查看演示效果方便，先删除表中已经存在的数据。

DELETE FROM EMP_DEMO;

sqoop export  \
-Dsqoop.export.records.per.statement=10 \
--connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--export-dir /user/hadoop/EMP  -m 1 \
--batch ;

 默认情况下读取一行HDFS文件的数据就insert一条记录到关系型数据库中,性能低下;

可以使用批量导出，一次导入10条数据到关系型数据库中;

 

导出保证原子性

为了查看演示效果方便，先删除表中已经存在的数据。

DELETE FROM EMP_DEMO;

sqoop export   --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--export-dir /user/hadoop/EMP  -m 1 \
--staging-table staging_emp  \
--clear-staging-table ;

map task没有数据回滚操作，如何保证原子性呢？

sqoop在导出在目标表中，先导入到临时表中staging_emp，确定导出成功后，再一次性的操作到目标表中，保证原子性；

在使用--staging-table时，staging_emp表必须要事先创建好，而且必须要有主键；
如果使用了--clear-staging-table，staging_emp如果存在数据，则先删除staging_emp表中的数据再导出；

 

处理null数据

sqoop export   --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO  \
--export-dir /user/hadoop/EMP  -m 1 \
--input-null-string '\\N' \
--input-null-non-string '\\N' ;

 

update-key操作

create table EMP_DEMO2 as select * from EMP_DEMO where 1=1;

将empno=7788的ename改为SCOTT11，empno=7782的ename改为CLARK11

此时hdfs中的empno=7788的ename为SCOTT，empno=7782的ename为CLARK

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO2  \
--export-dir /user/hadoop/EMP  \
--update-key EMPNO -m 1;

执行完后，发现empno=7788的ename为SCOTT，empno=7782的ename为CLARK

将empno=7788的ename改为SCOTT11，empno=7782的ename改为CLARK11
表中删除除了empno为7788和7782之外的任意数据，再次执行

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO2  \
--export-dir /user/hadoop/EMP  \
--update-key EMPNO -m 1;

执行完后，发现表中的数据条数并没有添加，但是发现empno=7788的ename为SCOTT，empno=7782的ename为CLARK

总结：--update-key只更新，不添加

 

update-mode allowinsert操作

EMP_DEMO2表中将empno=7788的ename改为SCOTT11，empno=7782的ename改为CLARK11，删除一些数据，只留下几条做测试

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO2 \
--export-dir /user/hadoop/EMP \
--update-key EMPNO \
--update-mode allowinsert -m 1;

执行完毕后，发现一共有14条数据了，将HDFS中的数据都导出到数据库中，并更新了empno=7788的ename改为SCOTT，empno=7782的ename改为CLARK
再执行一次：

sqoop export --connect jdbc:oracle:thin:@192.168.1.107:1521:ORCL \
--username SCOTT --password tiger \
--table EMP_DEMO2 \
--export-dir /user/hadoop/EMP \
--update-key EMPNO \
--update-mode allowinsert -m 1;

还是14条数据没变；

总结：根据指定的ID，没有数据就插入，有数据就更新；