基本知识:
Sqoop导出的基本用法:https://sqoop.apache.org/docs/1.4.6/SqoopUserGuide.html#_syntax_4 的10. sqoop-export
内容摘要:
本文主要是对--update-mode参数的用法进行了验证。结论如下:
--update-mode模式有两种updateonly(默认)和allowinsert
updateonly:该模式用于更新Hive表与目标表中数据的不一致,即在不一致时,将Hive中的数据同步给目标表(如MySQL、Oracle等的目标表中),这种不一致是指,一条记录中的不一致,比如Hive表和MySQL中都有一个id=1的记录,但是其中一个字段的取值不同,则该模式会将这种差异抹除。对于“你有我无”的记录则“置之不理”。
allowinsert:该模式用于将Hive中有但目标表中无的记录同步到目标表中,但同时也会同步不一致的记录。可以这种模式可以包含updateony模式的操作,这也是为什么没有命名为insertonly的原因吧。
测试场景一:全量导出
1. 准备原始数据:
为简化处理,先在MySQL中创建原始数据表wht_test1,并添加测试数据,如下所示:
2. 将原始表中的数据导入到Hive中。
sqoop import --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test1 --fields-terminated-by ',' --hive-import --hive-table default.wht_test1 --hive-overwrite -m 1
执行完该操作后,导入的数据在HDFS的/user/hive/warehouse/wht_test1目录下。
3. 创建导出表。
在MySQL中创建结构相同的表,用于导出数据:
CREATE TABLEwht_test2 LIKE wht_test1;
4. 从Hive(HDFS)导出数据。
sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --export-dir /user/hive/warehouse/wht_test1
执行完该操作后,MySQL的wht_test2表中插入了Hive中的数据,如下所示:
测试场景二:增量导出,在源数据中增加2条记录,查看不同模式导出结果
1. 编辑HDFS中的数据文件,添加两行新的记录,编辑后的文件内容如下所示:
Ø updateonly模式:
sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --update-key c_id --export-dir /user/hive/warehouse/wht_test1
查看结果,可以看出Updateonly模式不能导出新增数据:
![](https://i-blog.csdnimg.cn/blog_migrate/4e5c83c1890d808ff4d0aaa1900812e6.png)
Ø allowinsert模式:
sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --update-key c_id --update-mode allowinsert --export-dir /user/hive/warehouse/wht_test1
查看结果,新增数据被导出:
![](https://i-blog.csdnimg.cn/blog_migrate/f0eb4d5e9b8c091c6f9b93f670932409.png)
测试场景三:修改Hive表数据,修改age的值,并新增一行记录,然后重新导出,看目标表中的数据是否会被修改
sqoop export --connectjdbc:mysql://localhost:3306/wht --username root --password cloudera --tablewht_test2 --fields-terminated-by ',' --update-key c_id --update-mode updateonly --export-dir/user/hive/warehouse/wht_test1
查看结果,Hive表中修改的数据被更新,但updateonly模式不会导出新插入的记录:
![](https://i-blog.csdnimg.cn/blog_migrate/438e96e0e7bbf87d56837f28b4074d7f.png)
测试场景三:allowinsert模式(导出不同HDFS源文件中的新增数据)
Hive表可能有多个分区,在此新增一个目录,并保存结构相同的数据,使用allowinsert模式查看导出结果。
查看结果,新增数据被导出:
新增数据目录wht_test1_part,该目录下的数据文件如下所示:
![](https://i-blog.csdnimg.cn/blog_migrate/c840032ce49495db47013546a3e33d56.png)
执行导出命令:sqoop export --connect jdbc:mysql://localhost:3306/wht --usernameroot --password cloudera --table wht_test2 --fields-terminated-by ',' --update-key c_id --update-mode allowinsert --export-dir/user/hive/warehouse/wht_test1_part
查看导出结果,可以看出新增数据被导出: