sqoop常用命令三 ---- import导入 与export 覆盖更新，常见问题总结

一.参数说明

1.import/export通用
选项         含义说明
--connect 指定JDBC连接字符串
--connection-manager 指定要使用的连接管理器类
--driver 指定要使用的JDBC驱动类
--hadoop-mapred-home

指定$HADOOP_MAPRED_HOME路径
--help 打印用法帮助信息
--password-file 设置用于存放认证的密码信息文件的路径
-P 从控制台读取输入的密码
--password 设置认证密码
--username 设置认证用户名
--verbose 打印详细的运行信息
--connection-param-file 可选，指定存储数据库连接参数的属性文件
2.import
选项              含义说明
--append 将数据追加到HDFS上一个已存在的数据集上
--as-avrodatafile 将数据导入到Avro数据文件
--as-sequencefile 将数据导入到SequenceFile
--as-textfile 将数据导入到普通文本文件（默认）
--boundary-query 边界查询，用于创建分片（InputSplit）
--columns 从表中导出指定的一组列的数据
--delete-target-dir 如果指定目录存在，则先删除掉
--direct 使用直接导入模式（优化导入速度）
--direct-split-size 分割输入stream的字节大小（在直接导入模式下）
--fetch-size 从数据库中批量读取记录数
--inline-lob-limit 设置内联的LOB对象的大小
-m,--num-mappers 使用n个map任务并行导入数据
-e,--query 导入的查询语句
--split-by 指定按照哪个列去分割数据
--table 导入的源表表名
--target-dir 导入HDFS的目标路径
--warehouse-dir HDFS存放表的根路径
--where 指定导出时所使用的查询条件
-z,--compress 启用压缩
--compression-codec 指定Hadoop的codec方式（默认gzip）
--null-string 果指定列为字符串类型，使用指定字符串替换值为null的该类列的值
--null-non-string 如果指定列为非字符串类型，使用指定字符串替换值为null的该类列的值
 3.export
选项 含义说明
--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 导出过程中HDFS源路径
-m,--num-mappers 使用n个map任务并行导出
--table 导出的目的表名称
--call 导出数据调用的指定存储过程名
--update-key 更新参考的列名称，多个列名使用逗号分隔
--update-mode 指定更新策略，包括：updateonly（默认）、allowinsert
--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
--clear-staging-table 清除工作区中临时存放的数据
--batch 使用批量模式导出

二.导入import

参照上表，列举常用的命令，使用 sql 语句查询时，需要指定 $CONDITIONS
$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --query 'SELECT * from TBLS where \$CONDITIONS ' --split-by tbl_id -m 4 --target-dir /user/hive/result
上面命令通过 -m 1 控制并发的 map 数。
使用 direct 模式：
$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --delete-target-dir --direct --default-character-set UTF-8 --target-dir /user/hive/result
指定文件输出格式：
$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --fields-terminated-by "\t" --lines-terminated-by "\n" --delete-target-dir --target-dir /user/hive/result

指定空字符串：
$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --fields-terminated-by "\t" --lines-terminated-by "\n" --delete-target-dir --null-string '\\N' --null-non-string '\\N' --target-dir /user/hive/result
如果需要指定压缩：

$ sqoop import --connect jdbc:mysql://192.168.56.121:3306/metastore --username hiveuser --password redhat --table TBLS --fields-terminated-by "\t" --lines-terminated-by "\n" --delete-target-dir --null-string '\\N' --null-non-string '\\N' --compression-codec "com.hadoop.compression.lzo.LzopCodec" --target-dir /user/hive/result

三.导出export

在增量导出模式下，无论是allowinsert模式还是updateonly模式，都需要设置update-key：

1.allowinsert模式：该模式下生成的是insert语句，从这个角度讲update-key是没有作用的，但是在CDH Sandbox上测试时发现，如果不指定update-key则会导致reduce执行失败。

2. updateonly模式：该模式下生成的是update语句，update-key中指定的字段用于构成update语句中的where字句，因此是必须的，同时也可以看出选择的update-key字段必须是未被更新的字段，这样才能确定一条记录导出前后是否一致，而如果将update-key设置为被更新过的字段，则在目标表中通过where条件筛选不到匹配的记录，从而造成数据无法被更新。此外，如果update-key中指定了所有字段，也会报错。
参数介绍
--update-key 后面也可以接多个关键字列名，可以使用逗号隔开，Sqoop将会匹配多个关键字后再执行更新操作。
--export-dir 参数配合--table或者--call参数使用，指定了HDFS上需要将数据导入到MySQL中的文件集目录。
--update-mode updateonly和allowinsert。 默认模式为updateonly，如果指定--update-mode模式为allowinsert，可以将目标数据库中原来不存在的数据也导入到数据库表中。即将存在的数据更新，不存在数据插入。
组合测试及说明
1、当指定update-key，且关系型数据库表存在主键时：
   A、allowinsert模式时，为更新目标数据库表存的内容，并且原来不存在的数据也导入到数据库表；
   B、updateonly模式时，为更新目标数据库表存的内容，并且原来不存在的数据也不导入到数据库表；
2、当指定update-key，且关系型数据库表不存在主键时：
   A、allowinsert模式时，为全部数据追加导入到数据库表；
   B、updateonly模式时，为更新目标数据库表存的内容，并且原来不存在的数据也不导入到数据库表；
3、当不指定update-key，且关系型数据库表存在主键时：
   A、allowinsert模式时，报主键冲突，数据无变化；
   B、updateonly模式时，报主键冲突，数据无变化；
4、当不指定update-key，且关系型数据库表不存在主键时：
   A、allowinsert模式时，为全部数据追加导入到数据库表；
   B、updateonly模式时，为全部数据追加导入到数据库表；

所以再用 不同的 --update-mode 模式时，注意关系型数据库的主键设置，否则会影响数据的导出效果。

四.常见错误：

1.使用 --update-mode allowinsert 导出时，报错

Error during export:
Mixed update/insert is not supported against the target database yet

原因：指定的Jdbc  连接器不支持 allowinsert；

解决：删除 --driver com.mysql.jdbc.Driver （如果出现新的报错 删除  --direct ）   问题可以解决；

2.sqoop导出hive数据到MySQL出现字符编码问题解决

ERROR [Thread-11] org.apache.sqoop.mapreduce.AsyncSqlOutputFormat: Got exception in update thread: java.sql.SQLException: Incorrect string value: '\xF0 'itemName' at row 70；

java.sql.SQLException: Incorrect string value: '\xF0\xA1\xB7\x8A\xF0\xA1...' for column 'itemName' at row 70

原因：由于MySQL表编码位数导致，解决

解决 ： 1.修改表的编码格式：

alter table 表名 convert to character set utf8mb4 collate utf8mb4_bin;

ALTER TABLE 表名 CONVERT TO CHARACTER SET utf8mb4 COLLATE utf8mb4_unicode_ci;

2.sqoop导命令指定编码格式：

export  --connect "jdbc:mysql://ip:port/库名?useUnicode=true&characterEncoding=utf-8" --username 用户民--password 密码 --table 表名 --columns "字段1,字段2,..,字段n" --export-dir "hdfs:// 路径" --fields-terminated-by '\t' --input-null-string '\\N' --input-null-non-string '\\N' -m 1 --driver com.mysql.jdbc.Driver;

重新执行导出命令，成功！（前提确保数据库编码是UTF8）；

（遇到问题不断更新。。。）