sqoop 使用

安装配置好之后，就可以使用啦。注意，需要自己将jdbc的jar包放到sqoop的lib目录下。

1.将数据从sqlserver导出到hdfs：

 sqoop import --connect 'jdbc:sqlserver://192.168.68.90:1433;username=sa;password=sa;database=Feedback' --table user_info  --split-by 'id'   --fields-terminated-by ‘\t’  --warehouse-dir /Feedback

导出的结果存在了hdfs的:

 /Feedback/user_info/ part-m-00000

 /Feedback/user_info/ part-m-00001

 /Feedback/user_info/ part-m-00002

 /Feedback/user_info/ part-m-00003

 

等文件中，文件的内容为：

1\tabc
2\tsdfasdf
3\tzhangsan
4\tlisi

其实\t是不可见字符，为了描述出来，我就将它写了出来，在浏览hdfs的文件的时候，是看不到它的。

 

这个脚本中带了一个参数：

 --split-by 'id'

这个'id'是表的主键，如果该表没有主键，则不能使用并行导入，需要指定并行导入的任务数为1：

  --m 1

官方是这么解释的：

-m,--num-mappers <n>     Use n map tasks to import in parallel

 

导入的脚本就得这么写了：

sqoop import --connect 'jdbc:sqlserver://192.168.68.90:1433;username=sa;password=sa;database=Feedback' --table user_info  --fields-terminated-by '\t' -m 1  --warehouse-dir /Feedback

 

这样的job的map数只有1.所以输出文件也就只有一个了。