sqoop导出 建表_sqoop学习2（数据导入与导出）

最近学习了下这个导数据的工具，但是在export命令这里卡住了，暂时排不了错误。先记录学习的这一点吧

sqoop是什么

sqoop(sql-on-hadoop)：是用来实现结构型数据(如关系型数据库)和hadoop之间进行数据迁移的工具。它充分利用了mapreduce的并行特点以及批处理的方式加快数据的传输，同时也借助mapreduce实现了容错。

sqoop架构

1)sqoop目前有两个版本sqoop1(1.4.x)和sqoop2(1.99.x)，这里安装的是sqoop1版本

2)sqoop1是由client端直接接入hadoop，任务通过解析生成对应的mapreduce执行

3)sqoop1架构图

4)导入(import)与导出(export)

导入：往hdfs上导数据

导出：从hdfs上导出去

导入流程：

1)读取要导入数据的表结构

2)读取参数，设置好job

3)调用mapreduce执行任务

----a 首先要对数据进行切分

----b 写入范围，以便读取

----c 读取范围参数(第二步中设置的参数)

----d 创建RecordReader并从数据库中读取数据

----e 创建map

----f 执行map

导出流程：导入过程的逆向过程

sqoop常用命令

命令初步认识

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test'

注释：

sqoop：表示sqoop命令

import：表示导入

--connect jdbc:mysql://spark1:3306 ：表示告诉jdbc，连接mysql的url。这个是在hive的hive-site.xml中设置的

wujiadong：表示mysql数据库中的一个数据库

--username root: 连接mysql的用户名

--password xxx: 连接mysql的密码，我这里省略了

--table stud_info: 从mysql要导出数据的表名称

--fields-terminated-by '\t': 指定输出文件中的行的字段分隔符，我这没有写

-m 1 表示复制过程使用1个map作业，如果不写的话默认是4个map

注：因我安装mysql时没有设置密码，所以没有加密码项

我导数据时候有时遇到导入不成功，报10020端口连接不上，试试在namenode上执行命令：

mr-jobhistory-daemon.sh start historyserver 之后再去导数据

1)version：显示sqoop版本

查看安装的sqoop版本

[root@spark1 ~]# sqoop version

2)help：查看sqoop帮助信息

[root@spark1 ~]# sqoop help

3)list-databases：打印出关系数据库所有的数据库名

显示出mysql数据库下所有数据库名

[root@spark1 sqoop]# sqoop list-databases --connect jdbc:mysql://spark1:3306 --username root

数据库连接参数

–connect ：Jdbc连接url，示例如--connect jdbc:mysql://spark1:3306

–connection-manager ：指定要使用的连接管理类

–driver ：指定jdbc要使用的驱动类

-P ：从控制台读取输入的密码，注意P是大写的

–password ：Jdbc url中的数据库连接密码

–username ：Jdbc url中的数据库连接用户名

–verbose ：在控制台打印出详细运行信息

–connection-param-file ：一个记录着数据库连接参数的文件

4)list-tables：打印出关系数据库某一数据库的所有表名

显示mysql数据库中wujiadong这个数据库中所有的表名

[root@spark1 ~]# sqoop list-tables --connect jdbc:mysql://spark1:3306/wujiadong -username root

5)import：将数据库表的数据导入到hive中，如果在hive中没有对应的表，则自动生成与数据库表名相同的表

–append : 数据追加到HDFS上一个已存在的数据集上

–as-avrodatafile : 将数据导入到一个Avro数据文件中

–as-sequencefile : 将数据导入到一个sequence文件中

–as-textfile : 将数据导入到一个普通文本文件中，生成该文本文件后，可以在hive中通过sql语句查询出结果

–boundary-query : 边界查询，也就是在导入前先通过SQL查询得到一个结果集，然后导入的数据就是该结果集内的数据，格式如：–boundary-query ‘select id,creationdate from person where id = 3’，表示导入的数据为id=3的记录.注意查询的字段中不能有数据类型为字符串的字段，否则会报错：java.sql.SQLException: Invalid value for

–columns ： 指定要导入的字段值，格式如：–columns id,username

–query，-e ： 从查询结果中导入数据，该参数使用时必须指定–target-dir、–hive-table，在查询语句中一定要有where条件且在where条件中需要包含$CONDITIONS，示例：–query ‘select * from person where $CONDITIONS ‘ –target-dir /user/hive/warehouse/person –hive-table person

–split-by ：表的列名，用来切分工作单元，一般后面跟主键ID

–table ：关系数据库表名，数据从该表中获取

–target-dir

增量导入

–check-column (col)：用来作为判断的列名，如id

–incremental (mode)：append：追加，比如对大于last-value指定的值之后的记录进行追加导入。lastmodified：最后的修改时间，追加last-value指定的日期之后的记录

–last-value (value)：指定自从上次导入后列的最大值(大于该指定的值)，也可以自己设定某一值

数据从mysql导入到hdfs

实例1：将mysql中wujiadong数据库中的表stud_info表中的数据导入到hdfs(--target-dir)

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' 如果这个目录存在会报错。

[root@spark1 ~]# hadoop fs -lsr /user/sqoop_test 导入成功后查看

[root@spark1 ~]# hadoop fs -cat /user/sqoop_test/part* 可以直接查看导入的数据。这里出现了中文乱码暂时不管，后面解决

如果执行之后不成功可以试试在命令后加上-m 1 只启动一个map

实例2：在1的基础上继续往这个文件中导入数据(append)

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --append --target-dir 'hdfs://spark1:9000/user/sqoop_test' 可以看到比原来的多了解一个文件

实例3：在1基础上删除已存在文件并导入数据(--delete-target-dir)

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' --delete-target-dir

实例4：增量导入数据到hdfs

实例5：指定条件导入(注意不能含中文)

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' -m 1 --where "stud_gend='M'" --append

模糊查询

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' -m 1 --where "stud_code like '%201510%'" --append

实例6：启用压缩

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' -m 1 --where "stud_gend='M'" --append -z

默认Gzip压缩；其它压缩方式用--compression-codec xxx

使用text命令查看压缩文件

[root@spark1 ~]# hadoop fs -text /user/sqoop_test/part-m-00001.gz

实例7：导入空值(NULL)处理

字符串类型

[root@spark1 ~]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' -m 1 --where "stud_gend='M'" --append --null-string "**"

非字符串类型

[root@spark1 hive_test]# sqoop import --connect jdbc:mysql://spark1:3306/wujiadong --username root --table stud_info --target-dir 'hdfs://spark1:9000/user/sqoop_test' -m 1 --where "stud_gend='M'" --append --null-string "**" --null-non-string "##"

实例8：sql导入

数据从mysql导入到hive

--hive-home

--hive-import：使用默认分隔符导入hive

--hive-overwrite：覆盖掉在hive表中已经存在的数据

--create-hive-table：生成与关系数据库表的表结构对应的HIVE表。如果表不存在，则创建，如果存在，报错

--hive-table ：导入到hive指定的表，可以创建新表

--hive-drop-import-delims：入数据到hive时，删除字符串字段中的 \n, \r, and \01

--hive-delims-replacement：用自定义的字符串替换掉数据中的\n, \r, and \01等字符

--hive-partition-key：创建分区，后面直接跟分区名即可，创建完毕后，通过describe 表名可以看到分区名，默认为string型

--hive-partition-value ：该值是在导入数据到hive中时，与–hive-partition-key设定的key对应的value值

--map-column-hive ：生成hive表时，可以更改生成字段的数据类型，格式如：–map-column-hive LAST_ACCESS_TIME=string

--fields-terminated-by：指定分隔符(hive默认的分隔符是/u0001)

实例1 :将mysql数据库wujiadong1中的stud_info表中数据导入到hive总的stud_info1表中(该表未先创建)

[root@spark1 ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root -table stud_info --hive-import -m 1 --hive-table stud_info1

没有指定导入到哪个数据库，默认导入到default数据库中

实例2：将mysql数据库wujiadong1中的stud_info表中数据导入到hive的sqoop_test数据库的stud_info表中(该表未先创建)

在hive中创建数据库sqoop_test

hive> create database sqoop_test;

使用sqoop创建表并导入表

[root@spark1 ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root --table stud_info --hive-import -m 1 --hive-table sqoop_test.stud_info #指定导入到那个数据库中

进入hive查看是否导入成功

hive> use sqoop_test;

hive> show tables;

hive> desc stud_info;

hive> select * from stud_info;

实例3：在2的基础上用--hive-overwrite覆盖导入

[root@spark1 ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root --table stud_info --hive-import -m 1 --hive-table sqoop_test.stud_info --hive-overwrite

只覆盖数据，不覆盖表结构

实例4：使用非默认分隔符“,”分隔hive表字段

[root@spark1 ~]# sqoop import --connect jdbc:mysql://192.168.220.144:3306/wujiadong1 --username root --table stud_info --hive-import -m 1 --hive-table sqoop_test.stud_info1 --fields-terminated-by ","

hive> show create table stud_info1; 查看详细信息

实例5:增量导入

数据从mysql导入到hbase(学完hbase再学)

文件输出参数

–enclosed-by : 给字段值前后加上指定的字符，比如双引号，示例：–enclosed-by ‘\”‘，显示例子：”3″,”jimsss”

–fields-terminated-by : 设定每个字段是以什么符号作为结束的，默认是逗号，也可以改为其它符号

–lines-terminated-by : 设定每条记录行之间的分隔符，默认是换行，但也可以设定自己所需要的字符串

–delete-target-dir : 每次运行导入命令前，若有就先删除target-dir指定的目录

6)export：从hdfs中导出数据到关系数据库中

--validate :启用数据副本验证功能，仅支持单表拷贝，可以指定验证使用的实现类

--validation-threshold :指定验证门限所使用的类

--direct:使用直接导出模式(优化速度)

--export-dir

--m,--num-mappers :使用n个map任务并行导出

--table :导出的目的表名称

--update-key :更新参考的列名称，多个列名使用逗号分隔

--input-null-string :使用指定字符串，替换字符串类型值为null的列

--input-null-non-string :使用指定字符串，替换非字符串类型值为null的列

--staging-table :在数据导出到数据库之前，数据临时存放的表名称