5.1、常用命令列举
这里给大家列出来了一部分Sqoop操作时的常用参数,以供参考,需要深入学习的可以参看对应类的源代码。
序号 | 命令 | 类 | 说明 |
---|---|---|---|
1 | import | ImportTool | 将数据导入到集群 |
2 | export | ExportTool | 将集群数据导出 |
3 | codegen | CodeGenTool | 获取数据库中某张表数据生成Java并打包Jar |
4 | create-hive-table | CreateHiveTableTool | 创建Hive表 |
5 | eval | EvalSqlTool | 查看SQL执行结果 |
6 | import-all-tables | ImportAllTablesTool | 导入某个数据库下所有表到HDFS中 |
7 | job | JobTool | 用来生成一个sqoop的任务,生成后,该任务并不执行,除非使用命令执行该任务。 |
8 | list-databases | ListDatabasesTool | 列出所有数据库名 |
9 | list-tables | ListTablesTool | 列出某个数据库下所有表 |
10 | merge | MergeTool | 将HDFS中不同目录下面的数据合在一起,并存放在指定的目录中 |
11 | metastore | MetastoreTool | 记录sqoop job的元数据信息,如果不启动metastore实例,则默认的元数据存储目录为:~/.sqoop,如果要更改存储目录,可以在配置文件sqoop-site.xml中进行更改。 |
12 | help | HelpTool | 打印sqoop帮助信息 |
13 | version | VersionTool | 打印sqoop版本信息 |
5.2、命令&参数详解
刚才列举了一些Sqoop的常用命令,对于不同的命令,有不同的参数,让我们来一一列举说明。
首先来我们来介绍一下公用的参数,所谓公用参数,就是大多数命令都支持的参数。
5.2.1、公用参数:数据库连接
序号 | 参数 | 说明 |
---|---|---|
1 | --connect | 连接关系型数据库的URL |
2 | --connection-manager | 指定要使用的连接管理类 |
3 | --driver | Hadoop根目录 |
4 | --help | 打印帮助信息 |
5 | --password | 连接数据库的密码 |
6 | --username | 连接数据库的用户名 |
7 | --verbose | 在控制台打印出详细信息 |
5.2.2、公用参数:import
序号 | 参数 | 说明 |
---|---|---|
1 | --enclosed-by |
给字段值前加上指定的字符 |
2 | --escaped-by |
对字段中的双引号加转义符 |
3 | --fields-terminated-by |
设定每个字段是以什么符号作为结束,默认为逗号 |
4 | --lines-terminated-by |
设定每行记录之间的分隔符,默认是\n |
5 | --mysql-delimiters | Mysql默认的分隔符设置,字段之间以逗号分隔,行之间以\n分隔,默认转义符是\,字段值以单引号包裹。 |
6 | --optionally-enclosed-by |
给带有双引号或单引号的字段值前后加上指定字符。 |
5.2.3、公用参数:export
序号 | 参数 | 说明 |
---|---|---|
1 | --input-enclosed-by |
对字段值前后加上指定字符 |
2 | --input-escaped-by |
对含有转移符的字段做转义处理 |
3 | --input-fields-terminated-by |
字段之间的分隔符 |
4 | --input-lines-terminated-by |
行之间的分隔符 |
5 | --input-optionally-enclosed-by |
给带有双引号或单引号的字段前后加上指定字符 |
5.2.4、公用参数:hive
序号 | 参数 | 说明 |
---|---|---|
1 | --hive-delims-replacement |
用自定义的字符串替换掉数据中的\r\n和\013 \010等字符 |
2 | --hive-drop-import-delims | 在导入数据到hive时,去掉数据中的\r\n\013\010这样的字符 |
3 | --map-column-hive |
生成hive表时,可以更改生成字段的数据类型 |
4 | --hive-partition-key | 创建分区,后面直接跟分区名,分区字段的默认类型为string |
5 | --hive-partition-value |
导入数据时,指定某个分区的值 |
6 | --hive-home |
hive的安装目录,可以通过该参数覆盖之前默认配置的目录 |
7 | --hive-import | 将数据从关系数据库中导入到hive表中 |
8 | --hive-overwrite | 覆盖掉在hive表中已经存在的数据 |
9 | --create-hive-table | 默认是false,即,如果目标表已经存在了,那么创建任务失败。 |
10 | --hive-table | 后面接要创建的hive表,默认使用MySQL的表名 |
11 | --table | 指定关系数据库的表名 |
公用参数介绍完之后,我们来按照命令介绍命令对应的特有参数。
5.2.5、命令&参数:import
将关系型数据库中的数据导入到HDFS(包括Hive,HBase)中,如果导入的是Hive,那么当Hive中没有对应表时,则自动创建。
- 命令:
如:导入数据到hive中
$ bin/sqoop import \
--connect jdbc:mysql://bigdata111:3306/Andy \
--username root \
--password 000000 \
--table access \
--hive-import \
--fields-terminated-by "\t"
如:增量导入数据到hive中,mode=append
append导入:
$ bin/sqoop import \
--connect jdbc:mysql://bigdata111:3306/Andy \
--username root \
--password 000000 \
--table aca \
--num-mappers 1 \
--fields-terminated-by "\t" \
--target-dir /user/hive/warehouse/staff_hive \
--check-column id \
--incremental append \
--last-value 10
尖叫提示:append不能与--hive-等参数同时使用(Append mode for hive imports is not yet supported. Please remove the parameter --append-mode)
注:--last-value 2 的意思是标记增量的位置为第二行,也就是说,当数据再次导出的时候,从第二行开始算
注:如果 --last-value N , N > MYSQL中最大行数,则HDFS会创建一个空文件。如果N<=0 , 那么就是所有数据
如:增量导入数据到hdfs中,mode=lastmodified(注:卡住)
先在mysql中建表并插入几条数据:
mysql> create table company.staff_timestamp(id int(4), name varchar(255), sex varchar(255), last_modified timestamp DEFAULT CURRENT_TIMESTAMP ON UPDATE CURRENT_TIMESTAMP);
mysql> insert into company.staff_timestamp (id, name, sex) values(1, 'AAA', 'female');
mysql> insert into company.staff_timestamp (id, name, sex) values(2, 'BBB', 'female');
先导入一部分数据:
$ bin/sqoop import \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--delete-target-dir \
--hive-import \
--fields-terminated-by "\t" \
--m 1
再增量导入一部分数据:
mysql> insert into company.staff_timestamp (id, name, sex) values(3, 'CCC', 'female');
$ bin/sqoop import \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--table staff_timestamp \
--check-column last_modified \
--incremental lastmodified \
--m 1 \
--last-value "2019-05-17 09:50:12" \
--append
--last-value "2019-05-17 07:08:53" \
尖叫提示:使用lastmodified方式导入数据要指定增量数据是要--append(追加)还是要--merge-key(合并)
尖叫提示:在Hive中,如果不指定输出路径,可以去看以下两个目录
1./user/root(此为用户名)
2./user/hive/warehouse 个人配置的目录
尖叫提示:last-value指定的值是会包含于增量导入的数据中
如果卡住,在yarn-site.xml中加入以下配置
yarn.nodemanager.resource.memory-mb
20480
yarn.scheduler.minimum-allocation-mb
2048
yarn.nodemanager.vmem-pmem-ratio
2.1
- 参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --append | 将数据追加到HDFS中已经存在的DataSet中,如果使用该参数,sqoop会把数据先导入到临时文件目录,再合并。 |
2 | --as-avrodatafile | 将数据导入到一个Avro数据文件中 |
3 | --as-sequencefile | 将数据导入到一个sequence文件中 |
4 | --as-textfile | 将数据导入到一个普通文本文件中 |
5 | --boundary-query |
边界查询,导入的数据为该参数的值(一条sql语句)所执行的结果区间内的数据。 |
6 | --columns |
指定要导入的字段 |
7 | --direct | 直接导入模式,使用的是关系数据库自带的导入导出工具,以便加快导入导出过程。 |
8 | --direct-split-size | 在使用上面direct直接导入的基础上,对导入的流按字节分块,即达到该阈值就产生一个新的文件 |
9 | --inline-lob-limit | 设定大对象数据类型的最大值 |
10 | --m或–num-mappers | 启动N个map来并行导入数据,默认4个。 |
11 | --query或--e |
将查询结果的数据导入,使用时必须伴随参--target-dir,--hive-table,如果查询中有where条件,则条件后必须加上$CONDITIONS关键字 |
12 | --split-by |
按照某一列来切分表的工作单元,不能与--autoreset-to-one-mapper连用(请参考官方文档) |
13 | --table |
关系数据库的表名 |
14 | --target-dir |
指定HDFS路径 |
15 | --warehouse-dir |
与14参数不能同时使用,导入数据到HDFS时指定的目录 |
16 | --where | 从关系数据库导入数据时的查询条件 |
17 | --z或--compress | 允许压缩 |
18 | --compression-codec | 指定hadoop压缩编码类,默认为gzip(Use Hadoop codec default gzip) |
19 | --null-string |
string类型的列如果null,替换为指定字符串 |
20 | --null-non-string |
非string类型的列如果null,替换为指定字符串 |
21 | --check-column |
作为增量导入判断的列名 |
22 | --incremental |
mode:append或lastmodified |
23 | --last-value |
指定某一个值,用于标记增量导入的位置 |
5.2.6、命令&参数:export
从HDFS(包括Hive和HBase)中将数据导出到关系型数据库中。
- 命令:
如:
bin/sqoop export \
--connect jdbc:mysql://bigdata111:3306/Andy \
--username root \
--password 000000 \
--export-dir /user/hive/warehouse/staff_hive \
--table aca \
--num-mappers 1 \
--input-fields-terminated-by "\t"
- 参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --direct | 利用数据库自带的导入导出工具,以便于提高效率 |
2 | --export-dir |
存放数据的HDFS的源目录 |
3 | -m或--num-mappers |
启动N个map来并行导入数据,默认4个 |
4 | --table |
指定导出到哪个RDBMS中的表 |
5 | --update-key |
对某一列的字段进行更新操作 |
6 | --update-mode |
updateonly |
allowinsert(默认) | ||
7 | --input-null-string |
请参考import该类似参数说明 |
8 | --input-null-non-string |
请参考import该类似参数说明 |
9 | --staging-table |
创建一张临时表,用于存放所有事务的结果,然后将所有事务结果一次性导入到目标表中,防止错误。 |
10 | --clear-staging-table | 如果第9个参数非空,则可以在导出操作执行前,清空临时事务结果表 |
5.2.7、命令&参数:codegen
将关系型数据库中的表映射为一个Java类,在该类中有各列对应的各个字段。
如:
$ bin/sqoop codegen \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
序号 | 参数 | 说明 |
---|---|---|
1 | --bindir |
指定生成的Java文件、编译成的class文件及将生成文件打包为jar的文件输出路径 |
2 | --class-name |
设定生成的Java文件指定的名称 |
3 | --outdir |
生成Java文件存放的路径 |
4 | --package-name |
包名,如com.z,就会生成com和z两级目录 |
5 | --input-null-non-string |
在生成的Java文件中,可以将null字符串或者不存在的字符串设置为想要设定的值(例如空字符串) |
6 | --input-null-string |
将null字符串替换成想要替换的值(一般与5同时使用) |
7 | --map-column-java |
数据库字段在生成的Java文件中会映射成各种属性,且默认的数据类型与数据库类型保持对应关系。该参数可以改变默认类型,例如:--map-column-java id=long, name=String |
8 | --null-non-string |
在生成Java文件时,可以将不存在或者null的字符串设置为其他值 |
9 | --null-string |
在生成Java文件时,将null字符串设置为其他值(一般与8同时使用) |
10 | --table |
对应关系数据库中的表名,生成的Java文件中的各个属性与该表的各个字段一一对应 |
5.2.8、命令&参数:create-hive-table
生成与关系数据库表结构对应的hive表结构。
命令:
如:仅建表
$ bin/sqoop create-hive-table \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--table staff \
--hive-table hive_staff1
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --hive-home |
Hive的安装目录,可以通过该参数覆盖掉默认的Hive目录 |
2 | --hive-overwrite | 覆盖掉在Hive表中已经存在的数据 |
3 | --create-hive-table | 默认是false,如果目标表已经存在了,那么创建任务会失败 |
4 | --hive-table | 后面接要创建的hive表 |
5 | --table | 指定关系数据库的表名 |
5.2.9、命令&参数:eval
可以快速的使用SQL语句对关系型数据库进行操作,经常用于在import数据之前,了解一下SQL语句是否正确,数据是否正常,并可以将结果显示在控制台。
命令:
如:
$ bin/sqoop eval \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--query "SELECT * FROM staff"
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --query或--e | 后跟查询的SQL语句 |
5.2.10、命令&参数:import-all-tables
可以将RDBMS中的所有表导入到HDFS中,每一个表都对应一个HDFS目录
命令:
如:注意:(卡住)
$ bin/sqoop import-all-tables \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--hive-import \
--fields-terminated-by "\t"
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --as-avrodatafile | 这些参数的含义均和import对应的含义一致 |
2 | --as-sequencefile | |
3 | --as-textfile | |
4 | --direct | |
5 | --direct-split-size |
|
6 | --inline-lob-limit |
|
7 | --m或—num-mappers |
|
8 | --warehouse-dir |
|
9 | -z或--compress | |
10 | --compression-codec |
5.2.11、命令&参数:job
用来生成一个sqoop任务,生成后不会立即执行,需要手动执行。
命令:
如:
$ bin/sqoop job \
--create myjob -- import-all-tables \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000
$ bin/sqoop job \
--list
$ bin/sqoop job \
--exec myjob
尖叫提示:注意import-all-tables和它左边的--之间有一个空格
尖叫提示:如果需要连接metastore,则--meta-connect
执行的结果在HDFS:/user/root/ 目录中,即导出所有表到/user/root中
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --create |
创建job参数 |
2 | --delete |
删除一个job |
3 | --exec |
执行一个job |
4 | --help | 显示job帮助 |
5 | --list | 显示job列表 |
6 | --meta-connect |
用来连接metastore服务 |
7 | --show |
显示一个job的信息 |
8 | --verbose | 打印命令运行时的详细信息 |
尖叫提示:在执行一个job时,如果需要手动输入数据库密码,可以做如下优化
sqoop.metastore.client.record.password
true
If true, allow saved passwords in the metastore.
5.2.12、命令&参数:list-databases
命令:
如:
$ bin/sqoop list-databases \
--connect jdbc:mysql://bigdata111:3306/ \
--username root \
--password 000000
参数:与公用参数一样
5.2.13、命令&参数:list-tables
命令:
如:
$ bin/sqoop list-tables \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000
参数:与公用参数一样
5.2.14、命令&参数:merge
将HDFS中不同目录下面的数据合并在一起并放入指定目录中
数据环境:注意:以下数据自己手动改成\t
new_staff
1 AAA male
2 BBB male
3 CCC male
4 DDD male
old_staff
1 AAA female
2 CCC female
3 BBB female
6 DDD female
尖叫提示:上边数据的列之间的分隔符应该为\t,行与行之间的分割符为\n,如果直接复制,请检查之。
命令:
如:
创建JavaBean:
$ bin/sqoop codegen \
--connect jdbc:mysql://bigdata111:3306/company \
--username root \
--password 000000 \
--table staff \
--bindir /opt/Desktop/staff \
--class-name Staff \
--fields-terminated-by "\t"
开始合并:注:是hdfs路径
$ bin/sqoop merge \
--new-data /test/new/ \
--onto /test/old/ \
--target-dir /test/merged \
--jar-file /opt/Desktop/staff/Staff.jar \
--class-name Staff \
--merge-key id
结果:
1 AAA MALE
2 BBB MALE
3 CCC MALE
4 DDD MALE
6 DDD FEMALE
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --new-data |
HDFS 待合并的数据目录,合并后在新的数据集中保留 |
2 | --onto |
HDFS合并后,重复的部分在新的数据集中被覆盖 |
3 | --merge-key |
合并键,一般是主键ID |
4 | --jar-file |
合并时引入的jar包,该jar包是通过Codegen工具生成的jar包 |
5 | --class-name |
对应的表名或对象名,该class类是包含在jar包中的 |
6 | --target-dir |
合并后的数据在HDFS里存放的目录 |
5.2.15、命令&参数:metastore
记录了Sqoop job的元数据信息,如果不启动该服务,那么默认job元数据的存储目录为~/.sqoop,可在sqoop-site.xml中修改。
命令:
如:启动sqoop的metastore服务
$ bin/sqoop metastore
参数:
序号 | 参数 | 说明 |
---|---|---|
1 | --shutdown | 关闭metastore |