sqoop建表_sqoop 常用命令整理（一）

这些内容是从sqoop的官网整理出来的，是1.4.3版本的Document，如果有错误，希望大家指正。

1.使用sqoop导入数据

sqoop import --connect jdbc:mysql://localhost/db --username foo --table TEST

2.账号密码

sqoop import --connect jdbc:mysql://database.example.com/employees \

--username aaron --password 12345

3.驱动

sqoop import --driver com.microsoft.jdbc.sqlserver.SQLServerDriver --connect ...

4.写sql语句导入的方式

sqoop import --query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' --split-by a.id --target-dir /user/foo/joinresults

如果是顺序导入的话，可以只开一个线程

sqoop import --query 'SELECT a.*, b.* FROM a JOIN b on (a.id == b.id) WHERE $CONDITIONS' -m 1 --target-dir /user/foo/joinresults

如果where语句中有要用单引号的，就像这样子写就可以啦"SELECT * FROM x WHERE a='foo' AND \$CONDITIONS"

5.  1.4.3版本的sqoop不支持复杂的sql语句，不支持or语句

6. --split-by

默认是主键，假设有100行数据，它会执行那个SELECT * FROM sometable WHERE id >= lo AND id < hi,

with (lo, hi)  会分为4次导入(0,250)，(250,500)，(500,750),(750,1001)

如果这个字段不能达到实际的划分区域的效果，可以用别的字段。如果没有索引列或者是组合主键的表，需要手动设置一个划分列

7. --direct 是为了利用某些数据库本身提供的快速导入导出数据的工具，比如mysql的mysqldump

性能比jdbc更好，但是不知大对象的列，使用的时候，那些快速导入的工具的客户端必须的shell脚本的目录下

8.导入数据到hdfs目录，这个命令会把数据写到/shared/foo/ 目录

sqoop import --connnect --table foo --warehouse-dir /shared \

或者

sqoop import --connnect --table foo --target-dir /dest \

9.传递参数给快速导入的工具，使用--开头，下面这句命令传递给mysql默认的字符集是latin1

sqoop import --connect jdbc:mysql://server.foo.com/db --table bar \

--direct -- --default-character-set=latin1

10.转换为对象

--map-column-java   转换为java数据类型

--map-column-hive   转转为hive数据类型

11.增加导入

--check-column (col)  Specifies the column to be examined when determining which rows to import.

--incremental (mode)  Specifies how Sqoop determines which rows are new. Legal values for mode include append and lastmodified.

--last-value (value)  Specifies the maximum value of the check column from the previous import.

增加导入支持两种模式append和lastmodified，用--incremental来指定

12.在导入大对象，比如BLOB和CLOB列时需要特殊处理，小于16MB的大对象可以和别的数据一起存储，超过这个值就存储在_lobs的子目录当中

它们采用的是为大对象做过优化的存储格式，最大能存储2^63字节的数据，我们可以用--inline-lob-limit参数来指定每个lob文件最大的限制是多少

如果设置为0，则大对象使用外部存储

13.分隔符、转移字符

下面的这句话

Some string, with a comma.

Another "string with quotes"

使用这句命令导入$ sqoop import --fields-terminated-by , --escaped-by \\ --enclosed-by '\"' ...

会有下面这个结果

"Some string, with a comma.","1","2","3"...

"Another \"string with quotes\"","4","5","6"...

使用这句命令导入$ sqoop import --optionally-enclosed-by '\"' (the rest as above)...

"Some string, with a comma.",1,2,3...

"Another \"string with quotes\"",4,5,6...

14.hive导入参数

--hive-home

--hive-import          插入数据到hive当中，使用hive的默认分隔符

--hive-overwrite  重写插入

--create-hive-table  建表，如果表已经存在，该操作会报错！

--hive-table   设置到hive当中的表名

--hive-drop-import-delims  导入到hive时删除 \n, \r, and \01

--hive-delims-replacement  导入到hive时用自定义的字符替换掉 \n, \r, and \01

--hive-partition-key          hive分区的key

--hive-partition-value   hive分区的值

--map-column-hive           类型匹配，sql类型对应到hive类型

15.hive空值处理

sqoop会自动把NULL转换为null处理，但是hive中默认是把\N来表示null，因为预先处理不会生效的

我们需要使用 --null-string 和 --null-non-string来处理空值 把\N转为\\N

sqoop import ... --null-string '\\N' --null-non-string '\\N'

16.导入数据到hbase

导入的时候加上--hbase-table，它就会把内容导入到hbase当中，默认是用主键作为split列

也可以用--hbase-row-key来指定，列族用--column-family来指定,它不支持--direct。

如果不想手动建表或者列族，就用--hbase-create-table参数

17.代码生成参数，没看懂

--bindir

--class-name   Sets the generated class name. This overrides --package-name. When combined with --jar-file, sets the input class.

--jar-file   Disable code generation; use specified jar

--outdir

--package-name   Put auto-generated classes in this package

--map-column-java   Override default mapping from SQL type to Java type for configured columns.

18.通过配置文件conf/sqoop-site.xml来配置常用参数

property.name

property.value

如果不在这里面配置的话，就需要像这样写命令

sqoop import -D property.name=property.value ...

19.两个特别的参数

sqoop.bigdecimal.format.string  大decimal是否保存为string，如果保存为string就是 0.0000007,否则则为1E7

sqoop.hbase.add.row.key          是否把作为rowkey的列也加到行数据当中，默认是false的

20.例子

#指定列

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--columns "employee_id,first_name,last_name,job_title"

#使用8个线程

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

-m 8

#快速模式

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--direct

#使用sequencefile作为存储方式

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--class-name com.foocorp.Employee --as-sequencefile

#分隔符

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--fields-terminated-by '\t' --lines-terminated-by '\n' --optionally-enclosed-by '\"'

#导入到hive

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--hive-import

#条件过滤

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--where "start_date > '2010-01-01'"

#用dept_id作为分个字段

$ sqoop import --connect jdbc:mysql://db.foo.com/corp --table EMPLOYEES \

--split-by dept_id

#追加导入

$ sqoop import --connect jdbc:mysql://db.foo.com/somedb --table sometable \

--where "id > 100000" --target-dir /incremental_dataset --append

21.导入所有的表sqoop-import-all-tables

每个表都要有主键，不能使用where条件过滤

sqoop import-all-tables --connect jdbc:mysql://db.foo.com/corp

22.export

我们采用sqoop-export插入数据的时候，如果数据已经存在了，插入会失败

如果我们使用--update-key，它会认为每个数据都是更新，比如我们使用下面这条语句

sqoop-export --table foo --update-key id --export-dir /path/to/data --connect …

UPDATE foo SET msg='this is a test', bar=42 WHERE id=0;

UPDATE foo SET msg='some more data', bar=100 WHERE id=1;

...

这样即使找不到它也不会报错

23.如果存在就更新，不存在就插入

加上这个参数就可以啦--update-mode allowinsert

24.事务的处理

它会一次statement插入100条数据，然后每100个statement提交一次，所以一次就会提交10000条数据

25.例子

$ sqoop export --connect jdbc:mysql://db.example.com/foo --table bar \

--export-dir /results/bar_data

$ sqoop export --connect jdbc:mysql://db.example.com/foo --table bar \

--export-dir /results/bar_data --validate

$ sqoop export --connect jdbc:mysql://db.example.com/foo --call barproc \

--export-dir /results/bar_data